L’analyse des sentiments est un domaine de recherche en constante évolution qui aborde une multitude de problématiques visant à fournir des solutions robustes et adaptées pour améliorer la performance dans divers contextes. Dans le cadre de cette thèse nous traitons la problématique du multilinguisme dans le domaine de l’analyse des sentiments, en présentant une série de contributions, à savoir Wilevel, GraLexi et SentiCode.

Dans la contribution Wilevel, nous avons proposé une taxonomie des contenus issus des médias sociaux en tenant compte de leurs caractéristiques linguistiques, suivie d’une approche pour segmenter ces différents types de contenus. Dans notre deuxième contribution, GraLexi, nous avons proposé une approche automatisée pour exploiter et unifier diverses ressources linguistiques en vue de créer un lexicon multilingue. Quant à notre troisième contribution, SentiCode, elle consiste en une approche permettant d’entrainer des modèles avec des algorithmes d’apprentissage automatique en une seule fois, en les rendant réutilisable dans d’autres langues, sans nécessité de réentraînement ni d’ajustement ou de faire appel à la traduction automatique.

L’objectif global est de développer un Framework, composé de modules caractérisés par nos contributions, pour une analyse des sentiments multilingues.