Génération automatique de rapports d’analyse financière. Développement et évaluation d’un système à base de règles

Anonyme — Thu, 05 Nov 2020 23:00:00 +0000

Génération automatique de rapports d’analyse financière. Développement et évaluation d’un système à base de règles Anonyme (non vérifié) ven 06/11/2020 - 00:00

Auteur

Milena Chaine

Année

2019

Résumé

Ce mémoire décrit le développement et l'évaluation d'un système de génération automatique de rapports d'analyse financière. Nous avons défini, modélisé et codé des règles de génération pour un système commercial permettant de générer régulièrement plusieurs centaines de rapports simplifiés d'analyse. Le système doit modéliser des données informatiques non-textuelles complexes afin de les utiliser dans des règles de génération définies en collaboration avec des analystes financiers. Ces règles doivent être représentatives de l'expertise d'un·e analyste et permettre de générer un texte cohérent d'un point de vue rhétorique et linguistique. Enfin, les rapports d'analyse générés doivent employer la langue spécialisée du domaine qu'est la finance de marché. Pour évaluer la qualité des textes générés, nous avons mis en place un protocole d'évaluation humaine par des spécialistes du domaine.

Mots-clés

génération automatique de textes

domaine de spécialité

langue de spécialité

approche symbolique

évaluation humaine

Fichier

Chaine_Milena_MemoireTAL_corrige.pdf

Analyse sémantique des commentaires et conversations des clients d'Orange Bank

Anonyme — Thu, 05 Nov 2020 23:00:00 +0000

Analyse sémantique des commentaires et conversations des clients d'Orange Bank Anonyme (non vérifié) ven 06/11/2020 - 00:00

Auteur

Audrey Cornu

Année

2018

Résumé

L’analyse des produits et services mis sur le marché est déterminante pour une entreprise. Les demandes clients, les retours d’enquêtes de satisfaction ou bien les requêtes faites pour une souscription sont des données internes qui demandent un traitement rapide et une analyse fine pour s’adresser au service adéquat. De même, les réseaux sociaux donnent un grand nombre de données utiles à l’image de l’entreprise. La classification de texte permet de gérer ces flux d’informations en les catégorisant à l’aide de modèles d’apprentissage automatique: le Support Vector Machine et le MultiLayer Perceptron. Ces travaux portent, dans un premier temps, sur la catégorisation des données en classes liées au domaine bancaire et les résultats des modèles expérimentés. Dans un second temps, les performances d’une autre forme de classification, l’analyse de sentiments, sont évaluées afin de mettre en avant le meilleur modèle à utiliser pour ces données.

Mots-clés

classification de texte

analyse de sentiments

approche symbolique

annotation