@inproceedings{fraisse-paroubek-2015-utiliser,
title = "Utiliser les interjections pour d{\'e}tecter les {\'e}motions",
author = "Fraisse, Amel and
Paroubek, Patrick",
editor = "Lecarpentier, Jean-Marc and
Lucas, Nadine",
booktitle = "Actes de la 22e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
month = jun,
year = "2015",
address = "Caen, France",
publisher = "ATALA",
url = "https://aclanthology.org/2015.jeptalnrecital-long.24",
pages = "279--290",
abstract = "Bien que les interjections soient un ph{\'e}nom{\`e}ne linguistique connu, elles ont {\'e}t{\'e} peu {\'e}tudi{\'e}es et cela continue d{'}{\^e}tre le cas pour les travaux sur les microblogs. Des travaux en analyse de sentiments ont montr{\'e} l{'}int{\'e}r{\^e}t des {\'e}motic{\^o}nes et r{\'e}cemment des mots-di{\`e}ses, qui s{'}av{\`e}rent {\^e}tre tr{\`e}s utiles pour la classification en polarit{\'e}. Mais malgr{\'e} leur statut grammatical et leur richesse s{\'e}mantique, les interjections sont rest{\'e}es marginalis{\'e}es par les syst{\`e}mes d{'}analyse de sentiments. Nous montrons dans cet article l{'}apport majeur des interjections pour la d{\'e}tection des {\'e}motions. Nous d{\'e}taillons la production automatique, bas{\'e}e sur les interjections, d{'}un corpus {\'e}tiquet{\'e} avec les {\'e}motions. Nous expliquons ensuite comment nous avons utilis{\'e} ce corpus pour en d{\'e}duire, automatiquement, un lexique affectif pour le fran{\c{c}}ais. Ce lexique a {\'e}t{\'e} {\'e}valu{\'e} sur une t{\^a}che de d{\'e}tection des {\'e}motions, qui a montr{\'e} un gain en mesure F1 allant, selon les {\'e}motions, de +0,04 {\`a} +0,21.",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="fraisse-paroubek-2015-utiliser">
<titleInfo>
<title>Utiliser les interjections pour détecter les émotions</title>
</titleInfo>
<name type="personal">
<namePart type="given">Amel</namePart>
<namePart type="family">Fraisse</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Patrick</namePart>
<namePart type="family">Paroubek</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2015-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs</title>
</titleInfo>
<name type="personal">
<namePart type="given">Jean-Marc</namePart>
<namePart type="family">Lecarpentier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nadine</namePart>
<namePart type="family">Lucas</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Caen, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Bien que les interjections soient un phénomène linguistique connu, elles ont été peu étudiées et cela continue d’être le cas pour les travaux sur les microblogs. Des travaux en analyse de sentiments ont montré l’intérêt des émoticônes et récemment des mots-dièses, qui s’avèrent être très utiles pour la classification en polarité. Mais malgré leur statut grammatical et leur richesse sémantique, les interjections sont restées marginalisées par les systèmes d’analyse de sentiments. Nous montrons dans cet article l’apport majeur des interjections pour la détection des émotions. Nous détaillons la production automatique, basée sur les interjections, d’un corpus étiqueté avec les émotions. Nous expliquons ensuite comment nous avons utilisé ce corpus pour en déduire, automatiquement, un lexique affectif pour le français. Ce lexique a été évalué sur une tâche de détection des émotions, qui a montré un gain en mesure F1 allant, selon les émotions, de +0,04 à +0,21.</abstract>
<identifier type="citekey">fraisse-paroubek-2015-utiliser</identifier>
<location>
<url>https://aclanthology.org/2015.jeptalnrecital-long.24</url>
</location>
<part>
<date>2015-06</date>
<extent unit="page">
<start>279</start>
<end>290</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Utiliser les interjections pour détecter les émotions
%A Fraisse, Amel
%A Paroubek, Patrick
%Y Lecarpentier, Jean-Marc
%Y Lucas, Nadine
%S Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2015
%8 June
%I ATALA
%C Caen, France
%F fraisse-paroubek-2015-utiliser
%X Bien que les interjections soient un phénomène linguistique connu, elles ont été peu étudiées et cela continue d’être le cas pour les travaux sur les microblogs. Des travaux en analyse de sentiments ont montré l’intérêt des émoticônes et récemment des mots-dièses, qui s’avèrent être très utiles pour la classification en polarité. Mais malgré leur statut grammatical et leur richesse sémantique, les interjections sont restées marginalisées par les systèmes d’analyse de sentiments. Nous montrons dans cet article l’apport majeur des interjections pour la détection des émotions. Nous détaillons la production automatique, basée sur les interjections, d’un corpus étiqueté avec les émotions. Nous expliquons ensuite comment nous avons utilisé ce corpus pour en déduire, automatiquement, un lexique affectif pour le français. Ce lexique a été évalué sur une tâche de détection des émotions, qui a montré un gain en mesure F1 allant, selon les émotions, de +0,04 à +0,21.
%U https://aclanthology.org/2015.jeptalnrecital-long.24
%P 279-290
Markdown (Informal)
[Utiliser les interjections pour détecter les émotions](https://aclanthology.org/2015.jeptalnrecital-long.24) (Fraisse & Paroubek, JEP/TALN/RECITAL 2015)
ACL