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.
