Conception et réalisation d'un système de reconnaissance de sentiments issus des médias sociaux

Abstract

Ce mémoire porte sur l'analyse des sentiments sur les réseaux sociaux, en ciblant deux phénomènes linguistiques implicites : le sarcasme et la double négation, difficiles `a traiter même pour les modèles avancés de traitement du langage. Deux systèmes fondés sur RoBERTa-base ont été développés. Le premier système détecté le sarcasme via un fine-tuning de RoBERTa-base (F1-score global : 81,69%).Le second reconnait la double négation `a l'aide d'un modèle hybride combinant RoBERTa, GRU bidirectionnel et mécanisme d'attention, atteignant une précision de 96,5%. Un troisième modèle, entièrement personnalisé, a éte conçu pour le sarcasme : architecture sur mesure, tokenizer dédié et entrainement optimisé. Il atteint 95,43 % d'exactitude et un F1-score pond´er´e de 95,39 %, surpassant largement les modèles preentra?nés. Ces résultats montrent l'intérêt de modèles spécialisés pour mieux capter des structures linguistiques complexes, au-delà des limites des approches génériques.