* Avez-vous des avis de clients sur vos services de réparation à Paris ?

Je travaille sur un projet de classification de texte en français, où l’objectif est de déterminer si un texte donné est plutôt positif, négatif ou neutre. J’ai déjà expérimenté avec des techniques de base comme la tokenisation, le TF-IDF et des modèles comme Naive Bayes et SVM. Cependant, je cherche à améliorer la performance de mon modèle.

J’ai entendu parler de l’utilisation de lexiques de sentiments, comme Lexique3 ou des listes de mots associés à des émotions, pour enrichir la représentation des textes et potentiellement améliorer la précision de la classification. Je me demandais : Quelles sont les meilleures ressources disponibles en français (lexiques de sentiments, bases de données d’émotions, etc.) qui pourraient être utilisées pour améliorer la classification de sentiments dans un contexte d’analyse de texte et, en plus, comment puis-je les intégrer efficacement dans mon pipeline de traitement du langage naturel, en tenant compte des spécificités de la langue française (conjugaison, accords, etc.) ? Est-ce que l’utilisation de word embeddings pré-entrainés en français, comme FastText ou CamemBERT, pourrait compléter ou remplacer cette approche basée sur les lexiques ? Et enfin, est-ce qu’il existe des techniques spécifiques d’augmentation de données (data augmentation) adaptées au français pour améliorer la robustesse du modèle, notamment face aux nuances et à l’humour typiques de la langue ?

Answer

Answer this question and add details as further as you can and do not add any comments from your side, just return the answer, all written in French language: * Avez-vous des avis de clients sur vos services de réparation à Paris ?