Twitter Data set for Arabic Sentiment Analysis

Description

Ce projet est une proposition de solution au Twitter Data set for Arabic Sentiment Analysis. Le descriptif du data set est disponible ici : https://archive.ics.uci.edu/dataset/293/twitter+data+set+for+arabic+sentiment+analysis

L'objectif est de mettre en œuvre différentes méthodes de Machine Learning et Deep Learning pour effectuer une prédiction.

Table des Matières

• Installation
• Usage
• Résultats
• Auteurs

Installation

1. Clonez le dépôt : git clone https://github.com/MatteoLucas/Twitter-Data-set-for-Arabic-Sentiment-Analysis.git
2. Allez dans le répertoire du projet : cd Twitter-Data-set-for-Arabic-Sentiment-Analysis
3. Installez les dépendances : npm install ou pip install -r requirements.txt

Usage

Le code permet de faire différentes choses :

Entrainement d'un modèle

Pour entrainer un modèle, il suffit de lancer dans le répertoire du projet :

python Train_Functions/model.py

En remplaçant :

• model par le nom du modèle à entrainer : svm, rf, knn, rn, gb.

Par exemple :

python Train_Functions/knn.py
python Train_Functions/svm.py

Prédiction

Pour effectuer une prédiction à partir d'un modèle entraîné, il suffit de lancer dans le répertoire du projet :

python ./predict.py model

En remplaçant :

• model par le nom du modèle à partir duquel faire la prédiction : svm, rf, knn, rn, gb.

Par exemple :

python ./predict.py rf

Vote majoritaire

Il est aussi possible d'effectuer un vote majoritaire entre plusieurs modèles entraînés. Pour ce faire, il suffit de lancer dans le répertoire du projet :

python ./vote.py model1 model2 model3

En remplaçant :

• model1, model2, model3 par le nom des modèles à partir desquels faire le vote : svm, rf, knn, rn, gb. Il faut mettre au minimum 2 modèles.

Par exemple :

python ./vote.py svm rn rf knn True

Résultats

Le tableau ci-dessous regroupe les scores obtenus par nos différents modèles lors de la soumission des résultats sur le site du challenge.

Modèle	Abréviation	Score lors de la soumission
Support Vector Machine	svm	0.765
Random Forest	rf	0.74
Gradient Boosting	gb	0.78
Réseau de neurones simple	rn	0.755
K plus proches voisins	knn	0.725

Nous avons aussi commencé à implémenter une méthode basée sur le modèle BERT et une basée sur les CNN, mais nous avons été limités par nos capacités d'entraînement. Le travail en cours est disponible sur les branches éponymes.

Auteurs

• Mattéo Lucas
• Kamil Hammani
• Nicolas Massabie
• Fabien Joao