Bonjour à tous !
💎 Pour sa 4e démo sur les cas d'usage du Machine Learning, Bazal vous présente de l'analyse de sentiments sur Twitter. Très plébiscité par les grands comptes, cet outil propose une métrique clé : un baromètre de l'opinion des utilisateurs de Twitter.
✍️ Le principe est simple : en entrée, le nom d'une entreprise, et en sortie un histogramme ! L'outil met aussi en avant, lorsque c'est pertinent, le tweet le plus positif et le tweet le plus négatif à propos de l'entreprise dans les dernières 24 heures.
🛠️ Pour créer cet outil, nous sélectionnons les tweets anglophones comprenant le nom de l'entreprise dans les dernières 24h. Un score est ensuite attribué à ces tweets par un réseau de neurones (un transformer ici) et un label (positif, négatif ou neutre) leur est appliqué. Nous calculons alors une moyenne de ces labels, et le tour est joué !
Le type de réseau que nous utilisons pour scorer les tweets est un transformer. Cette architecture est très populaire en Natural Language Processing. Nous avons ajouté une représentation schématique de cette architecture à titre informatif. Pour rentrer dans les détails nous utilisons ici un transformer BERT (Bidirectional Encoder Representations from Transformers) préentraîné et finetuné sur le dataset SST-2 (Stanford Sentiment Treebank v2) disponible ici.
Pour tester notre démo, c'est ici. Elle restera disponible une semaine après cette publication.
À bientôt !