University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Refoufi, Allaoua |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Analyse des émotions implicites sur les réseaux sociaux Type de document : texte imprimé Auteurs : Ouaret, Manel, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (52 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Le succès qu’a connu l’informatique et les services proposés par le web
(blog, site spécialisé, réseaux sociaux) ont permis d’acquérir un nouveau niveau
d’expression qu’on peut définir comme "massive" autour de milliers de
sujets plus variés ou spécifiques les uns que les autres, cela a créer d’abondantes
possibilités d’analyse d’émotion des utilisateurs et ainsi permettre de
mieux comprendre les avis du grand public.
L’analyse des sentiments - implicites dans le cadre de ce mémoire- a pour
objectif de mettre en place des outils et systèmes informatiques capables
de traiter et d’interpréter des informations extraites d’un texte (tweet) en
langage naturel afin de créer une base de connaissance qui sera exploitée
pour définir quelles émotions émanent de quel texte.
De nos jours, le partage d’avis sur les réseaux sociaux est une pratique
accessible aux doigts de milliard de personnes, mais l’informatique peutelle
avoir l’intelligence requise pour détecter et reconnaitre les émotions humaines,
quand ces dernières ne sont pas explicitement exprimées ? Dans ce
mémoire nous allons essayer d’apporter des éléments de réponse à cette problématique.
5Côte titre : MAI/0485 En ligne : https://drive.google.com/file/d/1cYQQfJim_rfnBFXluhl4DD6tkdmhSQpK/view?usp=shari [...] Format de la ressource électronique : Analyse des émotions implicites sur les réseaux sociaux [texte imprimé] / Ouaret, Manel, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (52 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Le succès qu’a connu l’informatique et les services proposés par le web
(blog, site spécialisé, réseaux sociaux) ont permis d’acquérir un nouveau niveau
d’expression qu’on peut définir comme "massive" autour de milliers de
sujets plus variés ou spécifiques les uns que les autres, cela a créer d’abondantes
possibilités d’analyse d’émotion des utilisateurs et ainsi permettre de
mieux comprendre les avis du grand public.
L’analyse des sentiments - implicites dans le cadre de ce mémoire- a pour
objectif de mettre en place des outils et systèmes informatiques capables
de traiter et d’interpréter des informations extraites d’un texte (tweet) en
langage naturel afin de créer une base de connaissance qui sera exploitée
pour définir quelles émotions émanent de quel texte.
De nos jours, le partage d’avis sur les réseaux sociaux est une pratique
accessible aux doigts de milliard de personnes, mais l’informatique peutelle
avoir l’intelligence requise pour détecter et reconnaitre les émotions humaines,
quand ces dernières ne sont pas explicitement exprimées ? Dans ce
mémoire nous allons essayer d’apporter des éléments de réponse à cette problématique.
5Côte titre : MAI/0485 En ligne : https://drive.google.com/file/d/1cYQQfJim_rfnBFXluhl4DD6tkdmhSQpK/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0485 MAI/0485 Thèse Bibliothéque des sciences Français Disponible
Disponible
Titre : Analysis of implicit opinions in social networks Type de document : texte imprimé Auteurs : Arrar ,Djihad, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (63 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : sentiment analysis
Machine learning
Deep learningIndex. décimale : 004 - Informatique Résumé :
Sentiment analysis ( opinion mining) is one of the key tasks of NLP (Natural
Language Processing)that tries to infer people’s sentiments as expressed in text documents.
Sentiment analysis can be expressed explicitly or implicitly.
Most research focus in explicit sentiment analysis,however implicit sentiment analysis
has been overlooked and we believe that implicit opinions may carry more insight
and convey more information contained in the messages; this thesis tries to close the
gap into this less known area of research.
In this work, we use machine learning approach and natural language processing
techniques to understand the patterns and characteristics of reviews and predict the
sentiment .
Specifically, we build a computational model that can classify a given review as
either positive, negative based on the sentiments it reflects.
In this thesis, we also compared our best deep learning model, with our implemented
machine learning methods . Indeed our LSTM architecture outperformed
them all with a score of 84.2 %.Côte titre : MAI/0471 En ligne : https://drive.google.com/file/d/1HbdKsZxJ8_DKHpXNeZiha7zzixTjPB_1/view?usp=shari [...] Format de la ressource électronique : Analysis of implicit opinions in social networks [texte imprimé] / Arrar ,Djihad, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (63 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : sentiment analysis
Machine learning
Deep learningIndex. décimale : 004 - Informatique Résumé :
Sentiment analysis ( opinion mining) is one of the key tasks of NLP (Natural
Language Processing)that tries to infer people’s sentiments as expressed in text documents.
Sentiment analysis can be expressed explicitly or implicitly.
Most research focus in explicit sentiment analysis,however implicit sentiment analysis
has been overlooked and we believe that implicit opinions may carry more insight
and convey more information contained in the messages; this thesis tries to close the
gap into this less known area of research.
In this work, we use machine learning approach and natural language processing
techniques to understand the patterns and characteristics of reviews and predict the
sentiment .
Specifically, we build a computational model that can classify a given review as
either positive, negative based on the sentiments it reflects.
In this thesis, we also compared our best deep learning model, with our implemented
machine learning methods . Indeed our LSTM architecture outperformed
them all with a score of 84.2 %.Côte titre : MAI/0471 En ligne : https://drive.google.com/file/d/1HbdKsZxJ8_DKHpXNeZiha7zzixTjPB_1/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0471 MAI/0471 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Emotion analysis in social media documents Type de document : texte imprimé Auteurs : Ghezali ,Amina, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (65 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Analyse des émotions
Apprentissage automatique
ApprentissageIndex. décimale : 004 - Informatique Résumé :
L’humain exprime les émotions de différentes manières, y compris l’expression
du visage, la parole, les gestes / actions et le texte écrit. Cette étude se concentre
principalement sur le texte écrit.
L’analyse des émotions a attiré l’attention des chercheurs en raison de ses applications
dans différents domaines. Dans cette enquête, nous offrons un aperçu
du groupe de recherche existant actuellement sur l’analyse des émotions appliquée
aux réseaux sociaux. La recherche examinée traite de divers sujets, notamment:
l’analyse des émotions du réseau sociaux en tant que tâche de classification.
Cet ouvrage décrit des expériences portant sur l’analyse des émotions dans les
réseaux sociaux (Twitter en particulier). Nous analysons la construction d’un grand
ensemble de données annotées pour six émotions de base: COLÈRE, AMOUR,
PEUR, JOIE, TRISTESSE et SURPRISE.
Nous avons proposé et évalué plusieurs méthodes d’apprentissage automatique
et modèles d’apprentissage profond. Avant cela, il est important de connaître nos
ressources et nos jeux de données avant d’appliquer ces méthodes car certaines méthodes
sont plus adaptées que d’autres en fonction des paramètres donnés.
Nous avons également comparé notre meilleur modèle d’apprentissage en profondeur,
avec nos méthodes d’apprentissage automatique implémentées et les travaux
précédents qui utilisent le même ensemble de données. En effet, notre architecture
LSTM les a tous surclassés avec un score de 93,41%.Côte titre : MAI/0397 En ligne : https://drive.google.com/file/d/1qdk1IACTltY9BcYz3Dn33Z92WFwDaDcn/view?usp=shari [...] Format de la ressource électronique : Emotion analysis in social media documents [texte imprimé] / Ghezali ,Amina, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (65 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Analyse des émotions
Apprentissage automatique
ApprentissageIndex. décimale : 004 - Informatique Résumé :
L’humain exprime les émotions de différentes manières, y compris l’expression
du visage, la parole, les gestes / actions et le texte écrit. Cette étude se concentre
principalement sur le texte écrit.
L’analyse des émotions a attiré l’attention des chercheurs en raison de ses applications
dans différents domaines. Dans cette enquête, nous offrons un aperçu
du groupe de recherche existant actuellement sur l’analyse des émotions appliquée
aux réseaux sociaux. La recherche examinée traite de divers sujets, notamment:
l’analyse des émotions du réseau sociaux en tant que tâche de classification.
Cet ouvrage décrit des expériences portant sur l’analyse des émotions dans les
réseaux sociaux (Twitter en particulier). Nous analysons la construction d’un grand
ensemble de données annotées pour six émotions de base: COLÈRE, AMOUR,
PEUR, JOIE, TRISTESSE et SURPRISE.
Nous avons proposé et évalué plusieurs méthodes d’apprentissage automatique
et modèles d’apprentissage profond. Avant cela, il est important de connaître nos
ressources et nos jeux de données avant d’appliquer ces méthodes car certaines méthodes
sont plus adaptées que d’autres en fonction des paramètres donnés.
Nous avons également comparé notre meilleur modèle d’apprentissage en profondeur,
avec nos méthodes d’apprentissage automatique implémentées et les travaux
précédents qui utilisent le même ensemble de données. En effet, notre architecture
LSTM les a tous surclassés avec un score de 93,41%.Côte titre : MAI/0397 En ligne : https://drive.google.com/file/d/1qdk1IACTltY9BcYz3Dn33Z92WFwDaDcn/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0397 MAI/0397 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Hate speech detection in tweets Type de document : texte imprimé Auteurs : Islem Abdelhakim Maboud, Auteur ; yasmine Agoun, Auteur ; Refoufi, Allaoua, Directeur de thèse Année de publication : 2022 Importance : 1 vol (59 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : hate speech
machine learningIndex. décimale : 004 Informatique Résumé :
In recent years, Hate speech online is constantly increasing on different social media platforms by using aggressive,
violent or offensive language to a specific individual or group , which has become a major issue .
Due to the size of social media and unfiltered feed of messages posted in social media that can contain hate speech
targeted, we are interested in how to reduce hate on social media. In an effort to identify solutions for the problem
of hate speech in social media, we propose an approach to automatically classify tweets on Twitter into two classes:
hate speech and neutral speech. Using the Twitter dataset with deep learning using BERT based on transformers
to learn contextual relations between words,we achieved an accuracy of 95.9%.and a recall of 95.9%.and F1 of
95.9%..
We also developed a React web application using tensorflow-serving serves as a real time application of our
model ,the user can enter a tweet given in the text box and know if it’s a hateful expression or not.Côte titre : MAI/0614 En ligne : https://drive.google.com/file/d/1ffZp67082LaQmk11oXyonSCIs6qu82U8/view?usp=share [...] Format de la ressource électronique : Hate speech detection in tweets [texte imprimé] / Islem Abdelhakim Maboud, Auteur ; yasmine Agoun, Auteur ; Refoufi, Allaoua, Directeur de thèse . - 2022 . - 1 vol (59 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : hate speech
machine learningIndex. décimale : 004 Informatique Résumé :
In recent years, Hate speech online is constantly increasing on different social media platforms by using aggressive,
violent or offensive language to a specific individual or group , which has become a major issue .
Due to the size of social media and unfiltered feed of messages posted in social media that can contain hate speech
targeted, we are interested in how to reduce hate on social media. In an effort to identify solutions for the problem
of hate speech in social media, we propose an approach to automatically classify tweets on Twitter into two classes:
hate speech and neutral speech. Using the Twitter dataset with deep learning using BERT based on transformers
to learn contextual relations between words,we achieved an accuracy of 95.9%.and a recall of 95.9%.and F1 of
95.9%..
We also developed a React web application using tensorflow-serving serves as a real time application of our
model ,the user can enter a tweet given in the text box and know if it’s a hateful expression or not.Côte titre : MAI/0614 En ligne : https://drive.google.com/file/d/1ffZp67082LaQmk11oXyonSCIs6qu82U8/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0614 MAI/0614 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Opinion Mining in social media documents Type de document : texte imprimé Auteurs : Dahoua ,Nihed, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (51 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Opinion Mining
Analyse de sentiment
Réseaux sociauxIndex. décimale : 004 - Informatique Résumé :
La grande utilisation des réseaux sociaux ore de nombreuses portes ouvertes aux individus pour
partager et exprimer librement leurs sentiments, leurs opinions et leurs critiques sur les blogs, les
tweets et les commentaires. Les micro-blogs comme YouTube, Twitter et FaceBook sont devenus
la ressource d'une grande quantité d'opinions et de sentiments non structurés en ligne. Pour
analyser et extraire des informations à partir de ces données, l'un des domaines de recherche les
plus récents de classi cation est utilisé.
L'opinions mining (appelée analyse des sentiments) est le moyen d'extraire des opinions en
ligne, de les analyser et de les classer, que les commentaires soient positifs ou négatifs, en fonction
de diérentes méthodes d'apprentissage automatique et de traitement du langage naturel (NLP).
Dans ce travail de recherche, nous représentons l'extraction d'opinions dans les documents de
médias sociaux et appliquons une analyse des sentiments avec des commentaires Twitter en se
basant sur l'impact du prétraitement et du nettoyage des données.
Les algorithmes d'apprentissage automatique sont nombreux, beaucoup d'entre eux sont utilis
és pour des problèmes de classi cation, mais les performances de ces modèles varient selon la
taille des data set utilisés.
A n de procéder à l'expérimentation et d'obtenir de meilleurs résultats, nous avons opté pour
trois modèles adaptés d'apprentissage automatique et d'apprentissage profond avec d'énormes
quantités et qui sont les plus couramment utilisés dans l'opinions mining: Naive Bayes, Logistic
Regression et une technique basée sur les Réseaux de Neurones Récurrents (RNNs) connue sous
le nom LSTM (Long Short Term Memory).
La mise en ÷uvre des modèles proposés avec des paramètres donnés, et la comparaison des
résultats obtenus montre la bonne performance de notre système expérimental. Le modèle regression
logistique performer mieux que les autres modèles avec un score de 79,53%.Côte titre : MAI/0401 En ligne : https://drive.google.com/file/d/1DkLh77fb_F6fud5j9IXeGXQpUmVunRdA/view?usp=shari [...] Format de la ressource électronique : Opinion Mining in social media documents [texte imprimé] / Dahoua ,Nihed, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (51 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Opinion Mining
Analyse de sentiment
Réseaux sociauxIndex. décimale : 004 - Informatique Résumé :
La grande utilisation des réseaux sociaux ore de nombreuses portes ouvertes aux individus pour
partager et exprimer librement leurs sentiments, leurs opinions et leurs critiques sur les blogs, les
tweets et les commentaires. Les micro-blogs comme YouTube, Twitter et FaceBook sont devenus
la ressource d'une grande quantité d'opinions et de sentiments non structurés en ligne. Pour
analyser et extraire des informations à partir de ces données, l'un des domaines de recherche les
plus récents de classi cation est utilisé.
L'opinions mining (appelée analyse des sentiments) est le moyen d'extraire des opinions en
ligne, de les analyser et de les classer, que les commentaires soient positifs ou négatifs, en fonction
de diérentes méthodes d'apprentissage automatique et de traitement du langage naturel (NLP).
Dans ce travail de recherche, nous représentons l'extraction d'opinions dans les documents de
médias sociaux et appliquons une analyse des sentiments avec des commentaires Twitter en se
basant sur l'impact du prétraitement et du nettoyage des données.
Les algorithmes d'apprentissage automatique sont nombreux, beaucoup d'entre eux sont utilis
és pour des problèmes de classi cation, mais les performances de ces modèles varient selon la
taille des data set utilisés.
A n de procéder à l'expérimentation et d'obtenir de meilleurs résultats, nous avons opté pour
trois modèles adaptés d'apprentissage automatique et d'apprentissage profond avec d'énormes
quantités et qui sont les plus couramment utilisés dans l'opinions mining: Naive Bayes, Logistic
Regression et une technique basée sur les Réseaux de Neurones Récurrents (RNNs) connue sous
le nom LSTM (Long Short Term Memory).
La mise en ÷uvre des modèles proposés avec des paramètres donnés, et la comparaison des
résultats obtenus montre la bonne performance de notre système expérimental. Le modèle regression
logistique performer mieux que les autres modèles avec un score de 79,53%.Côte titre : MAI/0401 En ligne : https://drive.google.com/file/d/1DkLh77fb_F6fud5j9IXeGXQpUmVunRdA/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0401 MAI/0401 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalink
