PromotionGo at SemEval-2025 Task 11: A Feature-Centric Framework for Cross-Lingual Multi-Emotion Detection in Short Texts

Imaginez que vous essayiez de comprendre l'humeur d'une pièce remplie de gens parlant 28 langues différentes. Certains chuchotent, d'autres crient, et beaucoup ressentent un mélange d'émotions à la fois — comme être à la fois heureux et surpris. C'est le défi que l'équipe de PromotionGo a relevé pour la compétition SemEval-2025 Task 11. Leur objectif était de construire un système informatique capable de lire de courts messages textuels dans ces nombreuses langues et d'identifier correctement quelles émotions sont présentes, même lorsque plusieurs émotions sont mélangées.

Voici comment ils ont procédé, expliqué à travers des analogies simples :

1. Le problème central : Un seul label ne suffit pas

Les détecteurs d'émotions traditionnels sont comme un professeur strict qui force un élève à ne choisir qu'un seul sentiment pour toute la journée : « Es-tu heureux, triste ou en colère ? » Mais la vie réelle est plus complexe. On peut être joyeux à l'idée d'une promotion mais effrayé par la nouvelle responsabilité. Le système de l'équipe est conçu pour gérer ce « sac de mélange », en reconnaissant qu'une seule phrase peut contenir plusieurs émotions à la fois.

2. La recette en trois étapes

L'équipe a construit un « cadre centré sur les caractéristiques » (feature-centric framework), ce qui est une façon sophistiquée de dire qu'ils ont créé une cuisine modulaire où ils pouvaient échanger les ingrédients pour voir ce qui composait le meilleur plat pour chaque langue. Leur recette comportait trois étapes principales :

Étape A : Traduire les mots en nombres (Représentation du document)

Les ordinateurs ne peuvent pas lire les mots ; ils ne comprennent que les nombres. L'équipe a testé trois façons différentes de transformer le texte en nombres :

• La méthode du « comptage de mots » (TF-IDF) : Imaginez que vous comptez combien de fois des mots spécifiques apparaissent dans un texte, mais que vous ignorez les mots communs comme « le » ou « et » car ils ne portent pas beaucoup d'émotion. C'est comme utiliser une simple feuille de pointage. L'équipe a trouvé cela étonnamment efficace, surtout pour les langues où elles disposaient de peu de données d'entraînement (langues à faibles ressources). C'est un outil fiable et classique qui fonctionne bien quand on n'a pas une immense bibliothèque d'exemples.
• La méthode du « dictionnaire contextuel » (FastText & BPE) : C'est comme donner à l'ordinateur un dictionnaire qui sait non seulement ce qu'un mot signifie, mais aussi comment ses parties s'assemblent. Il peut deviner le sens d'un mot qu'il n'a jamais vu auparavant en regardant ses plus petites parties (comme reconnaître « malheur » même s'il ne connaît que « bonheur » et le préfixe « mal- »).
• La méthode de la « compréhension profonde » (Sentence-BERT) : C'est l'outil le « plus intelligent ». C'est comme un polyglotte qui lit une phrase et comprend l'« ambiance » et le contexte, pas seulement les mots individuels. Il peut faire la différence entre « Je suis si heureux que je pourrais hurler ! » et « Je suis si en colère que je pourrais hurler ! » même si les mots sont similaires. Cependant, cet outil est lourd et peine parfois avec les langues pour lesquelles il n'a pas été spécifiquement entraîné.

La surprise : Pour de nombreuses langues de l'étude, la méthode simple de « comptage de mots » (TF-IDF) a en fait mieux fonctionné que la méthode de « compréhension profonde » (Sentence-BERT). Il se trouve que pour certaines langues, compter les mots est plus fiable que d'essayer de deviner le contexte profond.

Étape B : Nettoyer le désordre (Réduction de la dimensionnalité)

Parfois, l'ordinateur est submergé par trop d'informations. Imaginez essayer de trouver un livre spécifique dans une bibliothèque où chaque livre est empilé dans un tas géant et chaotique.
L'équipe a utilisé une technique appelée PCA (Analyse en composantes principales). Considérez cela comme un bibliothécaire intelligent qui trie rapidement les livres, jetant les doublons et ceux qui ne comptent pas, vous laissant avec un rayon bien organisé et propre.

• Le résultat : Cela n'a pas nécessairement rendu l'ordinateur plus intelligent, mais cela l'a rendu beaucoup plus rapide. Cela a réduit le temps d'entraînement, en particulier pour les modèles complexes, sans nuire à leur précision.

Étape C : Le juge final (Entraînement du modèle)

Une fois le texte converti et nettoyé, l'équipe avait besoin d'un « juge » pour décider des émotions. Ils ont testé différents juges :

• L'« acte en solo » (Arbres de décision) : Un juge simple qui prend des décisions rapides basées sur un organigramme. Rapide, mais manque parfois de nuance.
• Le « panel de juges » (Classificateur de vote) : Un groupe de différents juges (comme un arbre de décision, une forêt aléatoire et un K-plus proches voisins) qui votent sur la réponse. C'est plus stable et plus fiable qu'un juge unique.
• Le « penseur profond » (MLP) : Un réseau de neurones qui apprend des motifs complexes. C'était le champion. Il était le meilleur pour repérer les émotions subtiles et mixtes, bien qu'il ait pris le plus de temps pour « étudier » (s'entraîner).

3. Les grands défis qu'ils ont rencontrés

• Le problème du « déséquilibre » : Dans leurs données, certaines émotions (comme « pas en colère ») apparaissaient beaucoup plus souvent que d'autres (comme « peur »). C'est comme une salle de classe où 90 % des élèves sont calmes et seulement 10 % crient. L'ordinateur est devenu très bon pour identifier les élèves calmes mais a eu du mal à repérer les crieurs. Cela a conduit à une précision élevée pour les émotions communes mais une faible précision pour les émotions rares.
• L'astuce de la « langue inconnue » : Pour les langues que l'ordinateur n'avait jamais vues auparavant (comme l'Oromo), ils ont utilisé un hack ingénieux. Ils ont demandé à un grand modèle d'IA de trouver une langue « cousine » que l'ordinateur connaissait, puis ont utilisé le dictionnaire de cette langue cousine pour comprendre la nouvelle. C'est comme utiliser un dictionnaire espagnol pour vous aider à deviner le sens d'un mot portugais parce que les deux langues sont apparentées.

4. L'essentiel à retenir

Le système PromotionGo a prouvé qu'il n'existe pas de solution « universelle » pour la détection des émotions.

• Pour certaines langues, les outils simples et rapides (TF-IDF) sont les gagnants.
• Pour d'autres, les outils profonds et complexes (Sentence-BERT + MLP) sont nécessaires.
• Vitesse vs Intelligence : Il faut choisir. Si vous avez besoin de résultats instantanés, utilisez les outils simples. Si vous voulez la plus haute précision possible et que vous pouvez attendre un peu plus longtemps que l'ordinateur « réfléchisse », utilisez les modèles d'apprentissage profond.

Le cadre de l'équipe est comme un couteau suisse : il ne repose pas sur une seule lame. Au lieu de cela, il choisit dynamiquement l'outil approprié (représentation), nettoie l'espace de travail (réduction de la dimensionnalité) et sélectionne le meilleur juge (modèle) pour chaque langue spécifique, garantissant que le système fonctionne bien pour un public mondial diversifié.