@inproceedings{eshkol-taravella-jung-kang-2019-observation,
title = "Observation de l`exp{\'e}rience client dans les restaurants (Mapping Reviewers' Experience in Restaurants)",
author = "Eshkol-Taravella, Iris and
Jung Kang, Hyun",
editor = "Morin, Emmanuel and
Rosset, Sophie and
Zweigenbaum, Pierre",
booktitle = "Actes de la Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts",
month = "7",
year = "2019",
address = "Toulouse, France",
publisher = "ATALA",
url = "https://aclanthology.org/2019.jeptalnrecital-court.22/",
pages = "361--370",
language = "fra",
abstract = "Ces derni{\`e}res ann{\'e}es, les recherches sur la fouille d`opinions ou l`analyse des sentiments sont men{\'e}es activement dans le domaine du Traitement Automatique des Langues (TAL). De nombreuses {\'e}tudes scientifiques portent sur l`extraction automatique des opinions positives ou n{\'e}gatives et de leurs cibles. Ce travail propose d`identifier automatiquement une {\'e}valuation, exprim{\'e}e explicitement ou implicitement par des internautes dans le corpus d`avis tir{\'e} du Web. Six cat{\'e}gories d'{\'e}valuation sont propos{\'e}es : opinion positive, opinion n{\'e}gative, opinion mixte, intention, suggestion et description. La m{\'e}thode utilis{\'e}e est fond{\'e}e sur l`apprentissage supervis{\'e} qui tient compte des caract{\'e}ristiques linguistiques de chaque cat{\'e}gorie retenue. L`une des difficult{\'e}s que nous avons rencontr{\'e}e concerne le d{\'e}s{\'e}quilibre entre les classes d'{\'e}valuation cr{\'e}{\'e}es, cependant, cet obstacle a pu {\^e}tre surmont{\'e} dans l`apprentissage gr{\^a}ce aux strat{\'e}gies de sur-{\'e}chantillonnage et aux strat{\'e}gies algorithmiques."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="eshkol-taravella-jung-kang-2019-observation">
<titleInfo>
<title>Observation de l‘expérience client dans les restaurants (Mapping Reviewers’ Experience in Restaurants)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Iris</namePart>
<namePart type="family">Eshkol-Taravella</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Hyun</namePart>
<namePart type="family">Jung Kang</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2019-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Emmanuel</namePart>
<namePart type="family">Morin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Sophie</namePart>
<namePart type="family">Rosset</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Pierre</namePart>
<namePart type="family">Zweigenbaum</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Toulouse, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Ces dernières années, les recherches sur la fouille d‘opinions ou l‘analyse des sentiments sont menées activement dans le domaine du Traitement Automatique des Langues (TAL). De nombreuses études scientifiques portent sur l‘extraction automatique des opinions positives ou négatives et de leurs cibles. Ce travail propose d‘identifier automatiquement une évaluation, exprimée explicitement ou implicitement par des internautes dans le corpus d‘avis tiré du Web. Six catégories d’évaluation sont proposées : opinion positive, opinion négative, opinion mixte, intention, suggestion et description. La méthode utilisée est fondée sur l‘apprentissage supervisé qui tient compte des caractéristiques linguistiques de chaque catégorie retenue. L‘une des difficultés que nous avons rencontrée concerne le déséquilibre entre les classes d’évaluation créées, cependant, cet obstacle a pu être surmonté dans l‘apprentissage grâce aux stratégies de sur-échantillonnage et aux stratégies algorithmiques.</abstract>
<identifier type="citekey">eshkol-taravella-jung-kang-2019-observation</identifier>
<location>
<url>https://aclanthology.org/2019.jeptalnrecital-court.22/</url>
</location>
<part>
<date>2019-7</date>
<extent unit="page">
<start>361</start>
<end>370</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Observation de l‘expérience client dans les restaurants (Mapping Reviewers’ Experience in Restaurants)
%A Eshkol-Taravella, Iris
%A Jung Kang, Hyun
%Y Morin, Emmanuel
%Y Rosset, Sophie
%Y Zweigenbaum, Pierre
%S Actes de la Conférence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts
%D 2019
%8 July
%I ATALA
%C Toulouse, France
%G fra
%F eshkol-taravella-jung-kang-2019-observation
%X Ces dernières années, les recherches sur la fouille d‘opinions ou l‘analyse des sentiments sont menées activement dans le domaine du Traitement Automatique des Langues (TAL). De nombreuses études scientifiques portent sur l‘extraction automatique des opinions positives ou négatives et de leurs cibles. Ce travail propose d‘identifier automatiquement une évaluation, exprimée explicitement ou implicitement par des internautes dans le corpus d‘avis tiré du Web. Six catégories d’évaluation sont proposées : opinion positive, opinion négative, opinion mixte, intention, suggestion et description. La méthode utilisée est fondée sur l‘apprentissage supervisé qui tient compte des caractéristiques linguistiques de chaque catégorie retenue. L‘une des difficultés que nous avons rencontrée concerne le déséquilibre entre les classes d’évaluation créées, cependant, cet obstacle a pu être surmonté dans l‘apprentissage grâce aux stratégies de sur-échantillonnage et aux stratégies algorithmiques.
%U https://aclanthology.org/2019.jeptalnrecital-court.22/
%P 361-370
Markdown (Informal)
[Observation de l’expérience client dans les restaurants (Mapping Reviewers’ Experience in Restaurants)](https://aclanthology.org/2019.jeptalnrecital-court.22/) (Eshkol-Taravella & Jung Kang, JEP/TALN/RECITAL 2019)
ACL