Traitement automatique des langues

Au second plan, répartition des émotions détectées par rapport aux principaux axes thématiques dans une collection de tweets relatifs aux élections américaines de 2016. Les thématiques ont été identifiés grâce à l'algorithme LDA (Latent Dirichlet Allocation) et les émotions avec un algorithme basé sur SenticNet. Le graphique montre que certains sujets de discussion sont associés à des émotions, souvent négatives. Sur l’écran au premier plan, un exemple d'annotation d'entités du discours scientifique dans des articles académiques. Cette annotation idéale est par contre difficilement obtenable de façon automatique avec les algorithmes de TAL disponibles actuellement. La raison est que la différence entre certains types (comme "Task" et "Method") n'est pas toujours évidente à partir du contexte, mais nécessite une compréhension plus profonde des concepts en question.