Université du Québec à Montréal
Élaboration d'une approche dans le choix d'une méthode d'apprentissage automatique supervisé en fonction du rôle des catégories d'objets à classer : la classification de la subjectivité des commentaires en ligne par catégories de produits
Abstract
dc:description.abstractPlusieurs études ont évalué différentes méthodes algorithmiques sur la base de données Amazon Product Reviews, mais les résultats obtenus divergent d’une étude à l’autre, et les catégories de produits n’ont pas été prises en compte dans l’analyse des résultats. Ces disparités suggèrent la pertinence d’élaborer une approche méthodologique pour choisir la meilleure méthode en fonction de la catégorie de produits étudiée. Dans le cadre de la présente recherche, la subjectivité des commentaires en ligne sera choisie afin de répondre à une deuxième lacune dans la littérature, soit l’absence de travaux de recherche qui mettent l’accent sur celle-ci, pourtant essentielle à la bonne compréhension des commentaires, autant pour les consommateurs que pour les entreprises. Dix catégories de produits ont été choisies à partir de la base de données Amazon Product Reviews pour évaluer la performance de cinq méthodes sur l’analyse de la subjectivité des commentaires. Les machines à vecteurs de support (SVM) ont obtenu les meilleurs résultats et un continuum de subjectivité a été défini, variant entre 84,66 % et 89,26 %, en fonction des catégories évaluées. Les résultats ont des implications pratiques pour les entreprises qui souhaitent améliorer leur utilisation de la rétroaction client. Les recherches futures pourraient miser sur d’autres bases de données et l’utilisation de l’apprentissage profond. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Comportement des consommateurs en ligne, Apprentissage supervisé des commentaires en ligne, Catégorisation des produits, Évaluation subjective des produits, Intelligence artificielle, Cognition, Forage d’opinion
Degree
thesis:*- Grantor dc:publisher.institution
- Université du Québec à Montréal
- Year dc:date.issued
- 2026
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- St-Vincent Villeneuve, Alexandre