Apprendre les émotions à l'aide de techniques automatisées de détection des affects

Dans un monde progressivement numérisé, on peut se demander si l'humanité devra un jour être redéfinie. Si les processus chimiques, tels que les émotions, sont un jour compris par des "êtres numériques", l'humanité entrera probablement dans l'ère "Transisto-Sapiens". Dans ce projet, l'accent est mis sur l'identification des sentiments dans les textes. Extraits de Twitter, un média social permettant à sa communauté de répondre à la question : "qu'est-ce que tu fais ?" en 140 caractères, ces textes présentent généralement un manque de structure grammaticale. L'approche classique consistant à utiliser des outils tels qu'un analyseur de phrases ou un marqueur POS ne s'applique pas. En effet, comme le contenu informatif est faible, une politique de réduction des caractéristiques trop stricte aboutirait souvent à l'absence de texte. L'intérêt est donc d'évaluer la précision que l'on peut attendre d'un corpus non prétraité. En se concentrant uniquement sur les caractéristiques de surface, une métrique mesurant le contenu émotionnel d'un concept particulier est nécessaire. À la connaissance de l'auteur, aucune mesure n'a été prise jusqu'à présent. En utilisant WordNet combiné au modèle affectif de Plutchik, une métrique simple basée sur les arêtes a donc été conçue.