@inproceedings{sainson-etal-2018-lse,
    title = "{LSE} au {DEFT} 2018 : Classification de tweets bas{\'e}e sur les r{\'e}seaux de neurones profonds ({LSE} at {DEFT} 2018 : Sentiment analysis model based on deep learning)",
    author = "Sainson, Antoine  and
      Linsenmaier, Hugo  and
      Majed, Alexandre  and
      Cadet, Xavier  and
      Bouchekif, Abdessalam",
    editor = "S{\'e}billot, Pascale  and
      Claveau, Vincent",
    booktitle = "Actes de la Conf{\'e}rence TALN. Volume 2 - D{\'e}monstrations, articles des Rencontres Jeunes Chercheurs, ateliers DeFT",
    month = "5",
    year = "2018",
    address = "Rennes, France",
    publisher = "ATALA",
    url = "https://aclanthology.org/2018.jeptalnrecital-deft.9",
    pages = "299--310",
    abstract = "Dans ce papier, nous d{\'e}crivons les syst{\`e}mes d{\'e}velopp{\'e}s au LSE pour le DEFT 2018 sur les t{\^a}ches 1 et 2 qui consistent {\`a} classifier des tweets. La premi{\`e}re t{\^a}che consiste {\`a} d{\'e}terminer si un message concerne les transports ou non. La deuxi{\`e}me, consiste {\`a} classifier les tweets selon leur polarit{\'e} globale. Pour les deux t{\^a}ches nous avons d{\'e}velopp{\'e} des syst{\`e}mes bas{\'e}s sur des r{\'e}seaux de neurones convolutifs (CNN) et r{\'e}currents (LSTM, BLSTM et GRU). Chaque mot d{'}un tweet donn{\'e} est repr{\'e}sent{\'e} par un vecteur dense appris {\`a} partir des donn{\'e}es relativement proches de celles de la comp{\'e}tition. Le score final officiel est de 0.891 pour la t{\^a}che 1 et de 0.781 pour la t{\^a}che 2.",
    language = "French",
}