Génération Augmentée par la Recherche pour l'Analyse des Sentiments à Base d’Aspects

Abstract

Avec les avancées de l’intelligence artificielle générative, les avis en ligne sont devenus une source de connaissances incontournable pour diverses contributions et recherche scientifiques. L’analyse des sentiments, et en particulier l’analyse des sentiments à base aspects (ABSA), permet l’analyse fine des opinions en associant chaque sentiment à un aspect ou caractéristique spécifique d’un produit ou service. Ce projet s’inscrit dans ce contexte et vise à concevoir et developper un outil d’ABSA appliquée aux avis d’étudiants du Site Web de RateMyProfessors. Contrairement aux approches d’analyses classiques, notre solution repose sur l’utilisation de larges modèles de langue (LLMs), exploitant des instructions d’incitation, de la génération augmentée et de fine- tuning, pour adapter l’analyse au contexte éducatif. Les résultats expérimentaux montrent que les LLM, bien orientés, offrent une analyse fine et contextualisée, tout en réduisant le besoin de l’annotation manuelle. Ce travail ouvre également des perspectives pour améliorer la robustesse, l’adaptabilité et l’application de cette approche à d’autres domaines