Assas Recherche | Perceptions granulaires du discours financier : analyse fine des opinions dans les textes d'experts

Perceptions granulaires du discours financier : analyse fine des opinions dans les textes d'experts (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

http://www.theses.fr/2023UPASG110/abes

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse soumise à l'embargo de l'auteur jusqu'au 30/06/2025 (communication intranet).

Version :

Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).

Informations sur les contributeurs

Auteur : Hu Jiahui

Hu, Jiahui

Nom

Prénom

Jiahui

Nationalité

Date de soutenance : 19-12-2023

Directeur(s) de thèse : Doan Bich-Liên

Doan, Bich-Liên

Nom

Doan

Prénom

Bich-Liên

- Paroubek Patrick

Paroubek, Patrick

Nom

Paroubek

Prénom

Patrick

- Schumacher Dirk

Schumacher, Dirk

Nom

Schumacher

Prénom

Dirk

Etablissement de soutenance : université Paris-Saclay

université Paris-Saclay

Nom

université Paris-Saclay

Laboratoire : Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Nom

Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Ecole doctorale : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

Nom

École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

Informations générales

Discipline : Informatique
Classification : Informatique

Mots-clés libres : Analyse à grain ?n des opinions, Apprentissage par instruction, Discours ?nancier
Mots-clés :

Traitement automatique du langage naturel
Corpus linguistique
Réseaux neuronaux (informatique)

Résumé : Ma thèse porte sur l'analyse automatique des textes écrits par les professionnels de la ?nance. Puisque les sociétés cotées en bourse ont obligation de communiquer sur leurs activités commerciales tous les quatre mois, dans ma thèse je capitalise sur les progrès récents en Intelligence Artificielle pour analyser ce type de publications. Nous souhaitons connaître les sujets qui préoccupent le plus les leaders de l'activité économique, à propos de quoi sont ils optimistes/pessimistes. C'est à dire connaître les "aspects" mentionnés par les acteurs et la polarité qu'ils leurs associent. Actuellement, les technologies les plus efficaces sont issues du domaine du Traitement Automatique des Langues, elles permettent aux ordinateurs d'accéder à une certaine compréhension du langage humain au moyen d'algorithmes d'apprentissage à base de réseaux de neurones, qui sont souvent qualifiés de "boîtes-noires" à cause de leur faible pouvoir d'explicabilité. Grace à un apprentissage à partir d'exemples annotés par des humains, des algorithmes efficaces d'apprentissage permettent à l'ordinateur d'apprendre à extraire les "aspects" et de leur attribuer une polarité (positive, négative ou neutre). Ces annotations manuelles servent aussi à l'évaluation des performances des algorithmes. Les expériences réalisées dans cette thèse montrent que des données annotées par des algorithmes peuvent aussi être utiles pour améliorer la prédiction des opinions.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2023UPASG110
Type de ressource : Thèse