Fighting Arabic deep fake text / Debbah,Maria  

Public ISBD Titre : Fighting Arabic deep fake text Type de document : texte imprimé Auteurs : Debbah,Maria, Auteur ; Harrag, Fouz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (57 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : brofond Faux Texte Détection de texte généré automatiquement langue arabe Médias sociaux, AraBERT, GPT2. Index. décimale : 004 Informatique Résumé : Au cours des deux dernières décennies, nous nous sommes progressivement tournés vers Internet et les médias sociaux pour trouver des nouvelles, entretenir des conversations et partager des opinions. Récemment, OpenAI a développé un système d’apprentissage automatique appelé GPT-2 pour Transformateur préentraîné génératif-2; il est également connu sous le nom de faux profonds pour le texte. Cet outil peut générer des blocs de texte basés sur de brèves invites d’écriture qui semblent avoir été écrites par des humains, ce qui facilite désormais la diffusion de fausses informations. Dans le prolongement de ces progrès, et afin de contrer les dangers potentiels, plusieurs méthodes ont été proposées pour détecter les textes écrits par ces modèles de langage. Dans cet article, nous proposons un modèle basé sur l’apprentissage par transfert qui sera capable de détecter si une phrase arabe est écrite par des humains ou automatiquement générée par des bots. Notre phrase 7k a été collectée en utilisant l’API Twitter pour collecter des tweets manuels et GPT2- Small-Arabic pour générer des phrases arabes. Afin d’évaluer notre modèle, différents modèles basés sur des imbrications de mots de réseaux neuronaux récurrents (RNN) ont été utilisés: LSTM, BI-LSTM, GRU et BI-GRU. Notre nouveau modèle combiné d’apprentissage par transfert a obtenu une précision allant jusqu’à 98 %. À notre connaissance, ce travail est la première étude où ARABERT et gpt2 ont été combinés pour détecter et classer les textes arabes auto-générés. Côte titre : MAI/0344 En ligne : https://drive.google.com/file/d/15fV5VuWfFPx-2A4ZZwNFXOS5uy0vQSxI/view?usp=share [...] Format de la ressource électronique : pdf Fighting Arabic deep fake text [texte imprimé] / Debbah,Maria, Auteur ; Harrag, Fouz, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (57 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : brofond Faux Texte Détection de texte généré automatiquement langue arabe Médias sociaux, AraBERT, GPT2. Index. décimale : 004 Informatique Résumé : Au cours des deux dernières décennies, nous nous sommes progressivement tournés vers Internet et les médias sociaux pour trouver des nouvelles, entretenir des conversations et partager des opinions. Récemment, OpenAI a développé un système d’apprentissage automatique appelé GPT-2 pour Transformateur préentraîné génératif-2; il est également connu sous le nom de faux profonds pour le texte. Cet outil peut générer des blocs de texte basés sur de brèves invites d’écriture qui semblent avoir été écrites par des humains, ce qui facilite désormais la diffusion de fausses informations. Dans le prolongement de ces progrès, et afin de contrer les dangers potentiels, plusieurs méthodes ont été proposées pour détecter les textes écrits par ces modèles de langage. Dans cet article, nous proposons un modèle basé sur l’apprentissage par transfert qui sera capable de détecter si une phrase arabe est écrite par des humains ou automatiquement générée par des bots. Notre phrase 7k a été collectée en utilisant l’API Twitter pour collecter des tweets manuels et GPT2- Small-Arabic pour générer des phrases arabes. Afin d’évaluer notre modèle, différents modèles basés sur des imbrications de mots de réseaux neuronaux récurrents (RNN) ont été utilisés: LSTM, BI-LSTM, GRU et BI-GRU. Notre nouveau modèle combiné d’apprentissage par transfert a obtenu une précision allant jusqu’à 98 %. À notre connaissance, ce travail est la première étude où ARABERT et gpt2 ont été combinés pour détecter et classer les textes arabes auto-générés. Côte titre : MAI/0344 En ligne : https://drive.google.com/file/d/15fV5VuWfFPx-2A4ZZwNFXOS5uy0vQSxI/view?usp=share [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0344	MAI/0344	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

Mining software repositories to recommend solution for software bugs / Khemliche ,Mokdad  

Public ISBD Titre : Mining software repositories to recommend solution for software bugs Type de document : texte imprimé Auteurs : Khemliche ,Mokdad, Auteur ; Harrag, Fouz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (59 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender System learning to rank Mining software repositories Text Mining Deep learning Stack Overflow Index. décimale : 004 - Informatique Résumé : En développement logiciel, les développeurs ont reçu des rapports d’erreur décrivant l’erreur. Les développeurs trouvent la cause d’erreur en examinant le code et en reproduisant le comportement anormal qui peut être considéré comme un processus fastidieux et chronophage. Les développeurs ont besoin d’un système automatisé intégrant de vastes connaissances du domaine et recommandant une solution à ces erreurs afin de les soulager au lieu de consacrer plus d’efforts manuels à la résolution des bogues ou d’attendre que les autres sites Web répondent aux questions. Stack Overflow est un site populaire de questions-réponses axé sur les problèmes de programmation. Nous pouvons ainsi bénéficier des connaissances disponibles sur cette plate-forme riche. Dans ce travail, nous avons proposé une architecture permettant de construire un système de recommandation utilisant l’approche Learning to Rank. Les techniques de texte mining et deep learning seront utilisées pour extraire, évaluer et recommander les réponses les plus pertinentes pour la résolution de ce rapport d’erreur. Note de contenu : Sommaire Table of contents............................................................................... v List of figures…... .......................................................................... viii List of Tables………………………………………………………ix Introduction..... ................................................................................. 1 1 Chapter 1: State of the art ..................................... 1 1.1 Introduction .......................................................................................................... 1 1.2 Software data: ....................................................................................................... 1 1.2.1 Software repositories .................................................................................... 1 1.2.2 Type of Software repositories ....................................................................... 2 1.2.3 Importance of Software repositories: ............................................................ 4 1.2.4 Bug reports .................................................................................................... 5 1.2.4.1 Definition of bug report .......................................................................... 5 1.2.4.2 The bug life cycle .................................................................................... 5 1.2.4.3 Bug Report Information’s ....................................................................... 6 1.2.5 Stack Overflow as a Knowledge Repository ................................................ 9 1.3 Mining Software repositories (MSR) ................................................................. 11 1.3.1 Data mining Definition ............................................................................... 11 1.3.2 What is mean Mining Software repositories? ............................................. 11 1.3.3 Application of MSR .................................................................................... 12 1.3.4 Machine Learning ....................................................................................... 12 1.3.5 Deep Learning ............................................................................................. 14 1.3.5.1 Deep Learning Concepts ....................................................................... 14 vi 1.3.5.2 Model parameters .................................................................................. 16 1.3.6 NLP Techniques for Data Preprocessing .................................................... 16 1.3.7 Information retrieval ................................................................................... 17 1.3.8 Recommender Systems ............................................................................... 17 1.3.9 Conclusion .................................................................................................. 18 2 Chapter 2 Related Works .................................... 19 2.1 Introduction ........................................................................................................ 19 2.2 State of the art .................................................................................................... 19 2.3 Conclusion .......................................................................................................... 22 3 Chapter 3 Proposed Approach ............................ 23 3.1 Overall Framework ............................................................................................ 23 3.2 Data Preprocessing ............................................................................................. 23 3.3 Building TF-IDF Index of questions .................................................................. 24 3.4 Similarity Calculation ........................................................................................ 25 3.5 Features Extraction ............................................................................................. 25 3.6 Learning to rank model ...................................................................................... 26 4 Chapter 4 Implementation .................................. 28 4.1 Introduction ........................................................................................................ 28 4.2 Stack Overflow Dataset description ................................................................... 28 4.3 Implementation frameworks and tools ............................................................... 31 4.4 Model evaluation metrics ................................................................................... 34 4.5 Development stages ............................................................................................ 36 4.5.1 Storing Data in PostgresSQL data base ...................................................... 36 4.5.2 Preprocessing Steps .................................................................................... 37 4.5.3 Building TF-IDF Index of questions ........................................................... 39 vii 4.5.4 Extracting and preparing Features .............................................................. 39 4.5.5 Building Model ........................................................................................... 45 4.6 Conclusion .......................................................................................................... 48 5 Chapter 5 Experiments and results .................... 49 Chapter 6 Conclusion .......................................................... ……..56 Bibliography …………………………………………………...57 Côte titre : MAI/0289 En ligne : https://drive.google.com/file/d/1QANkx_bFqFb0-lSgFK6cnMCLGQuigh2D/view?usp=shari [...] Format de la ressource électronique : pdf Mining software repositories to recommend solution for software bugs [texte imprimé] / Khemliche ,Mokdad, Auteur ; Harrag, Fouz, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (59 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender System learning to rank Mining software repositories Text Mining Deep learning Stack Overflow Index. décimale : 004 - Informatique Résumé : En développement logiciel, les développeurs ont reçu des rapports d’erreur décrivant l’erreur. Les développeurs trouvent la cause d’erreur en examinant le code et en reproduisant le comportement anormal qui peut être considéré comme un processus fastidieux et chronophage. Les développeurs ont besoin d’un système automatisé intégrant de vastes connaissances du domaine et recommandant une solution à ces erreurs afin de les soulager au lieu de consacrer plus d’efforts manuels à la résolution des bogues ou d’attendre que les autres sites Web répondent aux questions. Stack Overflow est un site populaire de questions-réponses axé sur les problèmes de programmation. Nous pouvons ainsi bénéficier des connaissances disponibles sur cette plate-forme riche. Dans ce travail, nous avons proposé une architecture permettant de construire un système de recommandation utilisant l’approche Learning to Rank. Les techniques de texte mining et deep learning seront utilisées pour extraire, évaluer et recommander les réponses les plus pertinentes pour la résolution de ce rapport d’erreur. Note de contenu : Sommaire Table of contents............................................................................... v List of figures…... .......................................................................... viii List of Tables………………………………………………………ix Introduction..... ................................................................................. 1 1 Chapter 1: State of the art ..................................... 1 1.1 Introduction .......................................................................................................... 1 1.2 Software data: ....................................................................................................... 1 1.2.1 Software repositories .................................................................................... 1 1.2.2 Type of Software repositories ....................................................................... 2 1.2.3 Importance of Software repositories: ............................................................ 4 1.2.4 Bug reports .................................................................................................... 5 1.2.4.1 Definition of bug report .......................................................................... 5 1.2.4.2 The bug life cycle .................................................................................... 5 1.2.4.3 Bug Report Information’s ....................................................................... 6 1.2.5 Stack Overflow as a Knowledge Repository ................................................ 9 1.3 Mining Software repositories (MSR) ................................................................. 11 1.3.1 Data mining Definition ............................................................................... 11 1.3.2 What is mean Mining Software repositories? ............................................. 11 1.3.3 Application of MSR .................................................................................... 12 1.3.4 Machine Learning ....................................................................................... 12 1.3.5 Deep Learning ............................................................................................. 14 1.3.5.1 Deep Learning Concepts ....................................................................... 14 vi 1.3.5.2 Model parameters .................................................................................. 16 1.3.6 NLP Techniques for Data Preprocessing .................................................... 16 1.3.7 Information retrieval ................................................................................... 17 1.3.8 Recommender Systems ............................................................................... 17 1.3.9 Conclusion .................................................................................................. 18 2 Chapter 2 Related Works .................................... 19 2.1 Introduction ........................................................................................................ 19 2.2 State of the art .................................................................................................... 19 2.3 Conclusion .......................................................................................................... 22 3 Chapter 3 Proposed Approach ............................ 23 3.1 Overall Framework ............................................................................................ 23 3.2 Data Preprocessing ............................................................................................. 23 3.3 Building TF-IDF Index of questions .................................................................. 24 3.4 Similarity Calculation ........................................................................................ 25 3.5 Features Extraction ............................................................................................. 25 3.6 Learning to rank model ...................................................................................... 26 4 Chapter 4 Implementation .................................. 28 4.1 Introduction ........................................................................................................ 28 4.2 Stack Overflow Dataset description ................................................................... 28 4.3 Implementation frameworks and tools ............................................................... 31 4.4 Model evaluation metrics ................................................................................... 34 4.5 Development stages ............................................................................................ 36 4.5.1 Storing Data in PostgresSQL data base ...................................................... 36 4.5.2 Preprocessing Steps .................................................................................... 37 4.5.3 Building TF-IDF Index of questions ........................................................... 39 vii 4.5.4 Extracting and preparing Features .............................................................. 39 4.5.5 Building Model ........................................................................................... 45 4.6 Conclusion .......................................................................................................... 48 5 Chapter 5 Experiments and results .................... 49 Chapter 6 Conclusion .......................................................... ……..56 Bibliography …………………………………………………...57 Côte titre : MAI/0289 En ligne : https://drive.google.com/file/d/1QANkx_bFqFb0-lSgFK6cnMCLGQuigh2D/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0289	MAI/0289	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 2 / 2)