University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Détection de Fake News en Arabe : Une approche à base de Deep Learning Type de document : texte imprimé Auteurs : Ikram Boudjeloud, Auteur ; Narimen Souha Benharkat, Auteur ; Abdelaziz Lakhfif, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2023 Importance : 1 vol (79 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses nouvelles
BERTIndex. décimale : 004 Informatique Résumé : Les fausses nouvelles (fake news) se produisent lorsque des opinions, des histoires, des escroqueries ou des rumeurs sont créés pour ressembler à des actualités ou des informations légitimes. Ils sont présentés de manière à induire délibérément en erreur, tromper et désinformer les gens. Pour faire face à ce fléau, nombreux chercheurs se sont concentré ces dernières années à la détection de ces fausses nouvelles en utilisant des méthodes de traitement du langage naturel et d’algorithmes d’apprentissage automatique et d’apprentissage profond dans divers langues existantes. La détection des fausses nouvelles en anglais possède la plus grande part des études, contrairement à la détection des fausses nouvelles en Arabe, qui est encore très limité.
Ce mémoire se concentre sur la détection de fausses nouvelles en Arabe, en se basant sur les nouvelles approches, tel que les approches basées sur les Transformers. Les Transformers sont une architecture de modèles de réseau de neurones largement utilisée dans le domaine du traitement du langage naturel (NLP) et de l'apprentissage automatique. Le modèle « BERT » qui utilise l’architecture des Transformers est le plus connue. Il a été appliqué avec succès à de nombreuses tâches de traitement du langage naturel, face à son efficacité, plusieurs modèles ont été inspiré par BERT pour le traitement du langage arabe, tel que le modèle AraBERT. Plusieurs recherches ont montré que l'AraBERT nouvellement développé atteignait des performances de pointe sur la plupart des tâches de NLP en arabe testées. A cet effet, dans notre projet, nous utilisons le modèle AraBERT dans notre approche afin de détecter les fausses nouvelles textuelles arabes collectées dans deux ensembles de données (ANS et Covid19 Hybrid Dataset). Nous montrons nos résultats des expérimentations après avoir effectué plusieurs prétraitements, puis nous comparons les résultats obtenus. Enfin nous clôturons avec une conclusion finale.Côte titre : MAI/0723 En ligne : https://drive.google.com/file/d/1SZVzBa1qDUjyQ7Xn0D9yUzZM-ZBKAAl-/view?usp=drive [...] Format de la ressource électronique : Détection de Fake News en Arabe : Une approche à base de Deep Learning [texte imprimé] / Ikram Boudjeloud, Auteur ; Narimen Souha Benharkat, Auteur ; Abdelaziz Lakhfif, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2023 . - 1 vol (79 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses nouvelles
BERTIndex. décimale : 004 Informatique Résumé : Les fausses nouvelles (fake news) se produisent lorsque des opinions, des histoires, des escroqueries ou des rumeurs sont créés pour ressembler à des actualités ou des informations légitimes. Ils sont présentés de manière à induire délibérément en erreur, tromper et désinformer les gens. Pour faire face à ce fléau, nombreux chercheurs se sont concentré ces dernières années à la détection de ces fausses nouvelles en utilisant des méthodes de traitement du langage naturel et d’algorithmes d’apprentissage automatique et d’apprentissage profond dans divers langues existantes. La détection des fausses nouvelles en anglais possède la plus grande part des études, contrairement à la détection des fausses nouvelles en Arabe, qui est encore très limité.
Ce mémoire se concentre sur la détection de fausses nouvelles en Arabe, en se basant sur les nouvelles approches, tel que les approches basées sur les Transformers. Les Transformers sont une architecture de modèles de réseau de neurones largement utilisée dans le domaine du traitement du langage naturel (NLP) et de l'apprentissage automatique. Le modèle « BERT » qui utilise l’architecture des Transformers est le plus connue. Il a été appliqué avec succès à de nombreuses tâches de traitement du langage naturel, face à son efficacité, plusieurs modèles ont été inspiré par BERT pour le traitement du langage arabe, tel que le modèle AraBERT. Plusieurs recherches ont montré que l'AraBERT nouvellement développé atteignait des performances de pointe sur la plupart des tâches de NLP en arabe testées. A cet effet, dans notre projet, nous utilisons le modèle AraBERT dans notre approche afin de détecter les fausses nouvelles textuelles arabes collectées dans deux ensembles de données (ANS et Covid19 Hybrid Dataset). Nous montrons nos résultats des expérimentations après avoir effectué plusieurs prétraitements, puis nous comparons les résultats obtenus. Enfin nous clôturons avec une conclusion finale.Côte titre : MAI/0723 En ligne : https://drive.google.com/file/d/1SZVzBa1qDUjyQ7Xn0D9yUzZM-ZBKAAl-/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0723 MAI/0723 Mémoire Bibliothéque des sciences Français Disponible
DisponibleDétection de l'Intensité des Emotions dans les Tweets / Dahel, Sami
Titre : Détection de l'Intensité des Emotions dans les Tweets Type de document : texte imprimé Auteurs : Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 Informatique Résumé :
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu :
Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
iv
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 Détection de l'Intensité des Emotions dans les Tweets [texte imprimé] / Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 Informatique Résumé :
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu :
Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
iv
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : Détection de l'Intensité des Emotions dans les Tweets Type de document : texte imprimé Auteurs : Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 - Informatique Résumé : Résumé
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu : Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 En ligne : https://drive.google.com/file/d/14YJtlkvooSN_EsgOiIXC2Q2xrz6yivbR/view?usp=shari [...] Format de la ressource électronique : Détection de l'Intensité des Emotions dans les Tweets [texte imprimé] / Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 - Informatique Résumé : Résumé
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu : Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 En ligne : https://drive.google.com/file/d/14YJtlkvooSN_EsgOiIXC2Q2xrz6yivbR/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0219 MAI/0219 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Détection de l'intensité des émotions dans les tweets arabes Type de document : texte imprimé Auteurs : Boudoukha,Imane, Auteur ; Lakhfif, Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (71 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : prédiction
Emotion
Intensité
Apprentissage automatiqueIndex. décimale : 004 - Informatique Résumé :
Une utilisation particulière de la machine et du deep learning est la régression.
Dans ce mémoire, nous voulons proposer un nouveau modèle de régression basé sur
l’apprentissage automatique qui sera capable de prédire et d’identifier les intensités des
différentes émotions dans les Tweets arabes avec une faible erreur qui surpassent les
approches de pointe et les travaux précédents.
Nous utilisons ici cinq algorithmes de régression qui ont été formés sur un ensemble de
données extrait de Twitter celle de SharedTask [8]. Afin d’évaluer notre modèle, nous
avons comparé les résultats de la concurrence avec les performances de notre modèle.
Notre modèle proposé(avec des résultats statistiquement significatifs) a surpassé les
travaux publiés précédemment en utilisant les mêmes données, où nous avons obtenu
une erreur allant jusqu’à 1,01% .
Ce modèle prédit spécifiquement, pour un utilisateur, la proportion de commentaires
qui seront publiés avec une émotion particulière ; cette proportion est définie comme
une intensité émotionnelle de l’utilisateur dans une période de temps donnée.
Contrairement à d’autres modèles, qui se concentrent sur une seule émotion, le modèle
proposé considère un schéma de base de quatre émotions et les utilise de manière interdépendante.
Cet outil peut finalement aider à accélérer les systèmes de recommandation, incluent
une surveillance massive de l’opinion et des recommandations pour améliorer le bienêtre
émotionnel des utilisateurs de médias sociaux (par exemple, la recommandation de
souvenirs joyeux), faciliter les transactions commerciales et même améliorer le domaine
de TALN en particulier l’arabe.Côte titre : MAI/0414 En ligne : https://drive.google.com/file/d/1ChbmetuMoko4aAm0ZsYSivurdbaRvKxH/view?usp=shari [...] Format de la ressource électronique : Détection de l'intensité des émotions dans les tweets arabes [texte imprimé] / Boudoukha,Imane, Auteur ; Lakhfif, Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (71 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : prédiction
Emotion
Intensité
Apprentissage automatiqueIndex. décimale : 004 - Informatique Résumé :
Une utilisation particulière de la machine et du deep learning est la régression.
Dans ce mémoire, nous voulons proposer un nouveau modèle de régression basé sur
l’apprentissage automatique qui sera capable de prédire et d’identifier les intensités des
différentes émotions dans les Tweets arabes avec une faible erreur qui surpassent les
approches de pointe et les travaux précédents.
Nous utilisons ici cinq algorithmes de régression qui ont été formés sur un ensemble de
données extrait de Twitter celle de SharedTask [8]. Afin d’évaluer notre modèle, nous
avons comparé les résultats de la concurrence avec les performances de notre modèle.
Notre modèle proposé(avec des résultats statistiquement significatifs) a surpassé les
travaux publiés précédemment en utilisant les mêmes données, où nous avons obtenu
une erreur allant jusqu’à 1,01% .
Ce modèle prédit spécifiquement, pour un utilisateur, la proportion de commentaires
qui seront publiés avec une émotion particulière ; cette proportion est définie comme
une intensité émotionnelle de l’utilisateur dans une période de temps donnée.
Contrairement à d’autres modèles, qui se concentrent sur une seule émotion, le modèle
proposé considère un schéma de base de quatre émotions et les utilise de manière interdépendante.
Cet outil peut finalement aider à accélérer les systèmes de recommandation, incluent
une surveillance massive de l’opinion et des recommandations pour améliorer le bienêtre
émotionnel des utilisateurs de médias sociaux (par exemple, la recommandation de
souvenirs joyeux), faciliter les transactions commerciales et même améliorer le domaine
de TALN en particulier l’arabe.Côte titre : MAI/0414 En ligne : https://drive.google.com/file/d/1ChbmetuMoko4aAm0ZsYSivurdbaRvKxH/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0414 MAI/0414 Mémoire Bibliothéque des sciences Français Disponible
DisponibleDétection des maladies des palmiers par l’utilisation des techniques d’intelligence artificielle / Souhila Bakouche
Titre : Détection des maladies des palmiers par l’utilisation des techniques d’intelligence artificielle Type de document : texte imprimé Auteurs : Souhila Bakouche, Auteur ; Rahma Begag ; Lyazid Toumi, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (52 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage automatique
Intelligence artificielle
Application mobile
CNN
SVMIndex. décimale : 004 - Informatique Résumé : Dans le domaine de l'agriculture, la détection précoce des maladies des palmiers est
essentielle pour prévenir les pertes de récoltes et maintenir la santé des plantations. Dans
cette thèse, nous avons développé un système de détection des maladies des palmiers en
utilisant des techniques avancées de l'intelligence artificielle.
Notre système repose principalement sur l'utilisation des réseaux de neurones à convolution
(CNN) pour analyser et classer les images des palmiers affectés par différentes maladies. En
utilisant un jeu de données spécifique aux maladies des palmiers, nous avons entraîné notre
modèle CNN afin de reconnaître avec précision les signes et les symptômes des maladies.
Le système que nous avons développé se compose de plusieurs composants, tels que des
services web, une application mobile, une base de données et un classificateur basé sur le
CNN. Ces éléments travaillent en tandem pour fournir une solution complète de détection et
de diagnostic des maladies des palmiers.
En utilisant notre système, nous avons obtenu des résultats prometteurs avec une précision
élevée dans la détection des maladies des palmiers, contribuant ainsi à une intervention
précoce et ciblée pour prévenir la propagation des maladies et minimiser les pertes agricoles.
Les résultats de cette thèse démontrent l'efficacité de l'utilisation des techniques d'intelligence
artificielle, en particulier les CNN, dans la détection des maladies des palmiers. Notre système
offre une approche innovante et automatisée pour surveiller et maintenir la santé des
plantations de palmiers, offrant ainsi aux agriculteurs un outil précieux pour prendre des
mesures rapides et appropriées.
En conclusion, cette thèse apporte une contribution significative à la détection des maladies
des palmiers grâce à l'utilisation de techniques avancées de l'intelligence artificielle. Elle ouvre
la voie à de nouvelles possibilités pour améliorer la santé des palmiers, garantissant ainsi une
production durable et rentable dans le secteur de l'agriculture des palmiers.Côte titre : MAI/0804
En ligne : https://drive.google.com/file/d/1-o0gBYVWQUVP8GmyTr5s3xQUkNKcc_BR/view?usp=drive [...] Format de la ressource électronique : Détection des maladies des palmiers par l’utilisation des techniques d’intelligence artificielle [texte imprimé] / Souhila Bakouche, Auteur ; Rahma Begag ; Lyazid Toumi, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (52 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage automatique
Intelligence artificielle
Application mobile
CNN
SVMIndex. décimale : 004 - Informatique Résumé : Dans le domaine de l'agriculture, la détection précoce des maladies des palmiers est
essentielle pour prévenir les pertes de récoltes et maintenir la santé des plantations. Dans
cette thèse, nous avons développé un système de détection des maladies des palmiers en
utilisant des techniques avancées de l'intelligence artificielle.
Notre système repose principalement sur l'utilisation des réseaux de neurones à convolution
(CNN) pour analyser et classer les images des palmiers affectés par différentes maladies. En
utilisant un jeu de données spécifique aux maladies des palmiers, nous avons entraîné notre
modèle CNN afin de reconnaître avec précision les signes et les symptômes des maladies.
Le système que nous avons développé se compose de plusieurs composants, tels que des
services web, une application mobile, une base de données et un classificateur basé sur le
CNN. Ces éléments travaillent en tandem pour fournir une solution complète de détection et
de diagnostic des maladies des palmiers.
En utilisant notre système, nous avons obtenu des résultats prometteurs avec une précision
élevée dans la détection des maladies des palmiers, contribuant ainsi à une intervention
précoce et ciblée pour prévenir la propagation des maladies et minimiser les pertes agricoles.
Les résultats de cette thèse démontrent l'efficacité de l'utilisation des techniques d'intelligence
artificielle, en particulier les CNN, dans la détection des maladies des palmiers. Notre système
offre une approche innovante et automatisée pour surveiller et maintenir la santé des
plantations de palmiers, offrant ainsi aux agriculteurs un outil précieux pour prendre des
mesures rapides et appropriées.
En conclusion, cette thèse apporte une contribution significative à la détection des maladies
des palmiers grâce à l'utilisation de techniques avancées de l'intelligence artificielle. Elle ouvre
la voie à de nouvelles possibilités pour améliorer la santé des palmiers, garantissant ainsi une
production durable et rentable dans le secteur de l'agriculture des palmiers.Côte titre : MAI/0804
En ligne : https://drive.google.com/file/d/1-o0gBYVWQUVP8GmyTr5s3xQUkNKcc_BR/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0804 MAI/0804 Mémoire Bibliothéque des sciences Français Disponible
DisponibleDétection d'objet (piétons) basée sur HOG / Khaled Beddar
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkDétermination d'un facteur d'intérêt d'un véhicule dans l'internet des véhicules / Zier,abdelhak
PermalinkPermalinkPermalink