University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Analyse de quelques problèmes aux limites en mécanique des milieux continus Type de document : texte imprimé Auteurs : Fouzia Bouzeghaya, Auteur ; Boubakeur Merouani, Directeur de thèse Editeur : Setif:UFA Année de publication : 2013 Importance : 1 vol (104 f.) Format : 29 cm Catégories : Thèses & Mémoires:Mathématique Mots-clés : Fluide de Herschel-Bulkley
Ecoulement thermique stationnaire
Régularisation
Compacité
Monotonie
Point fixe
Inéquation variationnelle
Solution faible
BilaplacienIndex. décimale : 510 Mathématique Résumé :
Le but de cette thèse est de proposer une contribution à l'étude de quelques problèmes aux limites pour le fluide de Herschel-Bulkley. Pour cela on considère un modèle mathématique en mécanique des fluides décrivant l’écoulement thermique stationnaire pour ce fluide. Pour ces problèmes, on établit quelques résultats d’existence. La thèse comporte quatre chapitres. Le premier chapitre est destiné à la formulation mathématique des problèmes qui feront l'objet de cette thèse. On rappelle également les outils mathématiques qui ont servi pour établir les résultats présentés ici. On considère au second chapitre un problème modélisant l'écoulement thermique stationnaire du fluide de Herschel-Bulkley avec les conditions aux limites de contact avec frottement du type Tresca thermique. Dans le troisième chapitre, on considère le même problème avec les conditions aux limites de contact avec frottement du type viscoélastique (loi de puissance). On traitera à la fin quelques problèmes aux limites gouvernés par le bilaplacien dans un polygone.Côte titre : DM/0088-0089 En ligne : http://dspace.univ-setif.dz:8888/jspui/handle/123456789/1955 Analyse de quelques problèmes aux limites en mécanique des milieux continus [texte imprimé] / Fouzia Bouzeghaya, Auteur ; Boubakeur Merouani, Directeur de thèse . - [S.l.] : Setif:UFA, 2013 . - 1 vol (104 f.) ; 29 cm.
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Fluide de Herschel-Bulkley
Ecoulement thermique stationnaire
Régularisation
Compacité
Monotonie
Point fixe
Inéquation variationnelle
Solution faible
BilaplacienIndex. décimale : 510 Mathématique Résumé :
Le but de cette thèse est de proposer une contribution à l'étude de quelques problèmes aux limites pour le fluide de Herschel-Bulkley. Pour cela on considère un modèle mathématique en mécanique des fluides décrivant l’écoulement thermique stationnaire pour ce fluide. Pour ces problèmes, on établit quelques résultats d’existence. La thèse comporte quatre chapitres. Le premier chapitre est destiné à la formulation mathématique des problèmes qui feront l'objet de cette thèse. On rappelle également les outils mathématiques qui ont servi pour établir les résultats présentés ici. On considère au second chapitre un problème modélisant l'écoulement thermique stationnaire du fluide de Herschel-Bulkley avec les conditions aux limites de contact avec frottement du type Tresca thermique. Dans le troisième chapitre, on considère le même problème avec les conditions aux limites de contact avec frottement du type viscoélastique (loi de puissance). On traitera à la fin quelques problèmes aux limites gouvernés par le bilaplacien dans un polygone.Côte titre : DM/0088-0089 En ligne : http://dspace.univ-setif.dz:8888/jspui/handle/123456789/1955 Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité DM/0088 DM/0088-0089 Thèse Bibliothéque des sciences Français Disponible
DisponibleDM/0089 DM/0088-0089 Thèse Bibliothéque des sciences Français Disponible
DisponibleAnalyse des résidus des filtres et les déposés des échappements de véhicules par spectrométrie gamma et XRF / Abdelbasset Guemaz
Titre : Analyse des résidus des filtres et les déposés des échappements de véhicules par spectrométrie gamma et XRF Type de document : texte imprimé Auteurs : Abdelbasset Guemaz ; Anes Mokhnache ; Boukhenfouf,Wassila, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol. (47 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Spectrométrie gamma
Détection
Radioactivité Naturelle
XRFIndex. décimale : 530 Physique Résumé :
Sommaire
Introduction Général
Chapitre 1 : Radioactivité Naturelle
Généralités sur la radioactivité naturelle ……………………………………………………..1
1. Définition …………………………………………………………………………………1
2 .Origine des radionucléides dans la nature……………………………………………….....1
3. Types de désintégration …………………………………………………………………….2
4. La loi de décroissance radioactive…………………………………………………………..2
4.1 La période T (demi-vie)……………………………………………………………….3
4.2 Activité d’une source radioactive …………………………………………………….3
5. Chaine de décroissance des principales familles radioactives ……………………………...4
Le potassium 40……………………………………………………………………………….6
6. Filiation radioactive (Désintégration en chaine) ………………………………………….7
6.1 Filiation de deux radio-isotopes ……………………………………………………….7
Chapitre 2 : Détection
1. Interaction des rayonnements gamma avec la matière……………………………………..10
2. Détection des rayonnements …………………………………………………………........13
3.Caractéristiques de la détection…………………………………………………………….15
Blindage du détecteur ………………………………………………………………………..16
4.La chaine de spectrométrie gamma ………………………………………………………..16
II. spectrométrie par fluorescence X……………………………………………………..18
1) Production des rayons X…………………………………………………………………..18
2) Interactions des rayons X avec la matière…………………………………………………19
3) Principe de la spectrométrie par fluorescence X ………………......................................20
Chapitre 3 : Filtres et échappements de véhicules
1. Le pétrole brut ……………………………………………………………………………..21
2. Les Carburants …………………………………………………………………………….22
3. La trajectoire de carburant dans véhicule ………………………………………………….23
4. Les métaux lourds …………………………………………………………………………26
Chapitre 4 : Partie Expérimentale
Processus expérimental ……………………………………………………………………27
I. Spectrométrie Gamma
1. Echantillonnage ……………………………………………………………………………27
2. Calibration de la chaine Spectrométrie gamma ……………………………………….......32
3. Mesure du bruit de fond …………………………………………………………………..33
4. Résultats et calcul d’activité ………………………………………………………............34
5.Interprétation ……………………………………………………………………………….39
6. Indice de risque radiologique………………………………………………………….......43
II. Méthode XRF……………………………………………………..............................45
Résultats XRF……………..………………………………...................................................45
ConclusionCôte titre : MAPH/0454 En ligne : https://drive.google.com/file/d/1RJAPuZVxvzd5JLBDSc3nGHBYrcGfuLZy/view?usp=shari [...] Format de la ressource électronique : Analyse des résidus des filtres et les déposés des échappements de véhicules par spectrométrie gamma et XRF [texte imprimé] / Abdelbasset Guemaz ; Anes Mokhnache ; Boukhenfouf,Wassila, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol. (47 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Spectrométrie gamma
Détection
Radioactivité Naturelle
XRFIndex. décimale : 530 Physique Résumé :
Sommaire
Introduction Général
Chapitre 1 : Radioactivité Naturelle
Généralités sur la radioactivité naturelle ……………………………………………………..1
1. Définition …………………………………………………………………………………1
2 .Origine des radionucléides dans la nature……………………………………………….....1
3. Types de désintégration …………………………………………………………………….2
4. La loi de décroissance radioactive…………………………………………………………..2
4.1 La période T (demi-vie)……………………………………………………………….3
4.2 Activité d’une source radioactive …………………………………………………….3
5. Chaine de décroissance des principales familles radioactives ……………………………...4
Le potassium 40……………………………………………………………………………….6
6. Filiation radioactive (Désintégration en chaine) ………………………………………….7
6.1 Filiation de deux radio-isotopes ……………………………………………………….7
Chapitre 2 : Détection
1. Interaction des rayonnements gamma avec la matière……………………………………..10
2. Détection des rayonnements …………………………………………………………........13
3.Caractéristiques de la détection…………………………………………………………….15
Blindage du détecteur ………………………………………………………………………..16
4.La chaine de spectrométrie gamma ………………………………………………………..16
II. spectrométrie par fluorescence X……………………………………………………..18
1) Production des rayons X…………………………………………………………………..18
2) Interactions des rayons X avec la matière…………………………………………………19
3) Principe de la spectrométrie par fluorescence X ………………......................................20
Chapitre 3 : Filtres et échappements de véhicules
1. Le pétrole brut ……………………………………………………………………………..21
2. Les Carburants …………………………………………………………………………….22
3. La trajectoire de carburant dans véhicule ………………………………………………….23
4. Les métaux lourds …………………………………………………………………………26
Chapitre 4 : Partie Expérimentale
Processus expérimental ……………………………………………………………………27
I. Spectrométrie Gamma
1. Echantillonnage ……………………………………………………………………………27
2. Calibration de la chaine Spectrométrie gamma ……………………………………….......32
3. Mesure du bruit de fond …………………………………………………………………..33
4. Résultats et calcul d’activité ………………………………………………………............34
5.Interprétation ……………………………………………………………………………….39
6. Indice de risque radiologique………………………………………………………….......43
II. Méthode XRF……………………………………………………..............................45
Résultats XRF……………..………………………………...................................................45
ConclusionCôte titre : MAPH/0454 En ligne : https://drive.google.com/file/d/1RJAPuZVxvzd5JLBDSc3nGHBYrcGfuLZy/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0454 MAPH/0454 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : L’Analyse sémantique des traces issues d’une situation d’apprentissage Type de document : texte imprimé Auteurs : BENLARIBI, Sallima ; MEDIANI, Chahrazed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2015 Importance : 1 vol (55f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprenant, environnement d’apprentissage, indicateur, parcours, système à base de trace, trace. Index. décimale : 004 Informatique Résumé : Résumé L’expression « Trace » fait de plus souvent son apparition dans le champ de la recherche en Informatique. Lors de la tâche d’apprentissage à distance, est un simple cas particulier de trace laissée par un utilisateur lors de son activité. L’analyse de ces traces aidée leurs utilisateurs pour comprendre et suivre l’apprentissage en cours, cette analyse a comme but d’extraire des informations significatives sur le parcours des utilisateurs dans un environnement d’apprentissage. Dans ce contexte, nous avons construire une ontologie de trace, pour une analyse sémantique des activités des apprenants. La méthodologie de construction d’ontologie que nous avons utilisée est « METHONTOLOGY » par l’éditeur des ontologies « PROTEGE». Ensuite, une mise en ouvre de notre application web grâce à l’utilisation du serveur Tomcat et des Java Server Pages ou JSP, qui est une technique basée sur java.
Note de contenu : Table des matières
Résumé ................................................................................................................................. 3
Remerciement : ...................................................................................................................... 4
Dédicace : .............................................................................................................................. 4
Table des matières ................................................................................................................. 5
Liste des tableaux .................................................................................................................. 9
Liste des figures ................................................................................................................... 10
Introduction général ............................................................................................................. 11
Chapitre I : Analyse des traces de la navigation de l’apprenant .......................................... 12
1. Introduction .................................................................................................................. 12
2. E-Learning .................................................................................................................... 12
2.1 Définition de E-Learning ...................................................................................... 12
3. EIAH (Environnement Informatique d’Apprentissage Humain): ................................ 13
4. Le parcours ................................................................................................................... 13
5. Présentation des fichiers de traces ................................................................................ 14
5.1 Le format d’un fichier log .......................................................................................... 14
6. Les traces informatiques............................................................................................... 15
6.1 Définition ................................................................................................................. 15
6.2 Les traces et L’EIAH ................................................................................................. 15
6.3 Collecte de traces ....................................................................................................... 16
6.3.1 Les approches de collecte de traces : .................................................................. 16
6.3.1.1 Approches centrées serveur .......................................................................... 16
6.3.1.2 Approches centrées utilisateur ...................................................................... 16
6.3.1.3 Approches basées sur des logiciels spécifiques ........................................... 17
7. Analyse des traces ........................................................................................................ 17
7.1 Avantage d’analyse des traces ................................................................................... 17
7.2 Système à base de trace............................................................................................. 17
7.2.1 Notion de modèle de traces ................................................................................ 18
7.2.2 Une trace modélisée (M-Trace)........................................................................... 19
8. Les indicateurs d’apprentissage ...................................................................................... 19
9. Objectif de l’observation ................................................................................................ 20
10. La sémantique des traces ............................................................................................... 20
10.1 Web sémantique : ..................................................................................................... 20
10.1.1 Définition ......................................................................................................... 21
10.1.2 Le web sémantique et classique ....................................................................... 21
10.1.3 Intérêt du Web sémantique ................................................................................ 21
10.2 Les ontologies .......................................................................................................... 21
10.2.1 Définitions ......................................................................................................... 21
10.2.2 Les types des ontologies ................................................................................... 23
10.2.2.1 Ontologies d’application ........................................................................... 23
10.2.2.2 Ontologies de domaine ............................................................................... 23
10.2.2.3 Ontologies génériques ................................................................................ 23
10.2.2.4 Ontologies de représentation (Ou méta-ontologies) ................................... 23
10.2.3 Les langages de développement des ontologies ................................................ 23
10.2.3.1 RDF(s) (Ressource Description Framework Schema) : ............................. 23
10.2.3.2 OWL ........................................................................................................... 24
10.2.4 Méthodologies pour la construction d’ontologies ............................................. 24
10.2.4.1 La méthode On-To-Knowledge ................................................................. 25
10.2.4.2 La méthode METHONTOLOGY ............................................................... 25
11. Les travaux connexes.................................................................................................... 26
12. Conclusion ..................................................................................................................... 27
Chapitre II : Conception ...................................................................................................... 28
1. Introduction .................................................................................................................. 28
2. Spécification informelle des besoins ............................................................................ 28
2.1 Le contenue d’un fichier de traces ............................................................................. 28
2.2 Type de l’ontologie .................................................................................................... 28
2.3 Méthode de construction d’ontologie ........................................................................ 29
2.3.1 Pourquoi METHONTOLOGY? .......................................................................... 29
3. La conception de l’ontologie ........................................................................................... 29
3.1 L'approche METHONTOLOGY distingue les étapes suivantes : ............................. 29
3.1.1 Spécification ...................................................................................................... 29
3.1.2 Conceptualisation ............................................................................................... 30
3.1.2.1 Construction du glossaire de termes ............................................................ 30
3.1.2.2 La hiérarchie des concepts ........................................................................... 31
3.1.2.3 Diagramme de relation binaire .................................................................... 33
3.1.2.4 Construction de dictionnaire de concepts ..................................................... 33
3.1.2.5 La construction de la table des relations binaires ........................................ 35
3.1.2.6 Construction de la table des attributs ........................................................... 35
3.1.2.7 Construction de la table des axiomes .......................................................... 36
3.1.3 Formalisation ...................................................................................................... 37
4. La conception de notre environnement ........................................................................ 39
4.1 Analyse et spécification des besoins .......................................................................... 39
4.1.1 Cahier des charges .............................................................................................. 39
4.2 Modélisation de l’application .................................................................................... 39
4.2.1 Diagramme de cas d’utilisation ........................................................................... 39
5. Conclusion .................................................................................................................... 40
Chapitre III : Implémentation .............................................................................................. 41
1. Introduction .................................................................................................................. 41
2. Les outils et langages utilisés ....................................................................................... 41
2.1 Protégé .................................................................................................................. 41
2.2 NetBeans IDE ............................................................................................................ 41
2.3 JSP « Java Server Page » .......................................................................................... 42
2.4 Tomcat ....................................................................................................................... 42
2.5 Le framework Jena ..................................................................................................... 42
2.6 SPARQL (Simple Protocole And RDF Query Language) ...................................... 42
3. L’implémentation de l’ontologie .................................................................................. 42
3.1 Édition de l’ontologie ................................................................................................ 42
3.1.1 L’ajout d’un concept ........................................................................................... 43
3.1.2 L’ajoute d’une relation ........................................................................................ 44
3.1.3 L’ajoute d’un attribut .......................................................................................... 45
3.1.4 La génération du code OWL ............................................................................... 45
4. L’environnement d’intégration de l’ontologie ............................................................. 47
4.1 Scénarios d’utilisation de l’environnement .............................................................. 47
4.1.2 L’interface de connexion ..................................................................................... 47
4.1.3 L’interface de l’analyste ...................................................................................... 47
4.1.4 Interface d’analyse du fichier de trace ................................................................ 48
4.1.5.1 Exportation vers ontologie ........................................................................... 50
4.1.5 Interface de consultation des informations.......................................................... 50
4.1.6 Recherche par date : ............................................................................................ 52
5. Conclusion .................................................................................................................... 54
Conclusion général et perspectives...................................................................................... 55
Bibliographie ..…………………………………………………………………………….56Côte titre : MAI/0046 En ligne : https://drive.google.com/file/d/1rMqsIxTzI6AyquiBBO3VMq9lLnRrBfsb/view?usp=shari [...] Format de la ressource électronique : L’Analyse sémantique des traces issues d’une situation d’apprentissage [texte imprimé] / BENLARIBI, Sallima ; MEDIANI, Chahrazed, Directeur de thèse . - [S.l.] : Setif:UFA, 2015 . - 1 vol (55f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprenant, environnement d’apprentissage, indicateur, parcours, système à base de trace, trace. Index. décimale : 004 Informatique Résumé : Résumé L’expression « Trace » fait de plus souvent son apparition dans le champ de la recherche en Informatique. Lors de la tâche d’apprentissage à distance, est un simple cas particulier de trace laissée par un utilisateur lors de son activité. L’analyse de ces traces aidée leurs utilisateurs pour comprendre et suivre l’apprentissage en cours, cette analyse a comme but d’extraire des informations significatives sur le parcours des utilisateurs dans un environnement d’apprentissage. Dans ce contexte, nous avons construire une ontologie de trace, pour une analyse sémantique des activités des apprenants. La méthodologie de construction d’ontologie que nous avons utilisée est « METHONTOLOGY » par l’éditeur des ontologies « PROTEGE». Ensuite, une mise en ouvre de notre application web grâce à l’utilisation du serveur Tomcat et des Java Server Pages ou JSP, qui est une technique basée sur java.
Note de contenu : Table des matières
Résumé ................................................................................................................................. 3
Remerciement : ...................................................................................................................... 4
Dédicace : .............................................................................................................................. 4
Table des matières ................................................................................................................. 5
Liste des tableaux .................................................................................................................. 9
Liste des figures ................................................................................................................... 10
Introduction général ............................................................................................................. 11
Chapitre I : Analyse des traces de la navigation de l’apprenant .......................................... 12
1. Introduction .................................................................................................................. 12
2. E-Learning .................................................................................................................... 12
2.1 Définition de E-Learning ...................................................................................... 12
3. EIAH (Environnement Informatique d’Apprentissage Humain): ................................ 13
4. Le parcours ................................................................................................................... 13
5. Présentation des fichiers de traces ................................................................................ 14
5.1 Le format d’un fichier log .......................................................................................... 14
6. Les traces informatiques............................................................................................... 15
6.1 Définition ................................................................................................................. 15
6.2 Les traces et L’EIAH ................................................................................................. 15
6.3 Collecte de traces ....................................................................................................... 16
6.3.1 Les approches de collecte de traces : .................................................................. 16
6.3.1.1 Approches centrées serveur .......................................................................... 16
6.3.1.2 Approches centrées utilisateur ...................................................................... 16
6.3.1.3 Approches basées sur des logiciels spécifiques ........................................... 17
7. Analyse des traces ........................................................................................................ 17
7.1 Avantage d’analyse des traces ................................................................................... 17
7.2 Système à base de trace............................................................................................. 17
7.2.1 Notion de modèle de traces ................................................................................ 18
7.2.2 Une trace modélisée (M-Trace)........................................................................... 19
8. Les indicateurs d’apprentissage ...................................................................................... 19
9. Objectif de l’observation ................................................................................................ 20
10. La sémantique des traces ............................................................................................... 20
10.1 Web sémantique : ..................................................................................................... 20
10.1.1 Définition ......................................................................................................... 21
10.1.2 Le web sémantique et classique ....................................................................... 21
10.1.3 Intérêt du Web sémantique ................................................................................ 21
10.2 Les ontologies .......................................................................................................... 21
10.2.1 Définitions ......................................................................................................... 21
10.2.2 Les types des ontologies ................................................................................... 23
10.2.2.1 Ontologies d’application ........................................................................... 23
10.2.2.2 Ontologies de domaine ............................................................................... 23
10.2.2.3 Ontologies génériques ................................................................................ 23
10.2.2.4 Ontologies de représentation (Ou méta-ontologies) ................................... 23
10.2.3 Les langages de développement des ontologies ................................................ 23
10.2.3.1 RDF(s) (Ressource Description Framework Schema) : ............................. 23
10.2.3.2 OWL ........................................................................................................... 24
10.2.4 Méthodologies pour la construction d’ontologies ............................................. 24
10.2.4.1 La méthode On-To-Knowledge ................................................................. 25
10.2.4.2 La méthode METHONTOLOGY ............................................................... 25
11. Les travaux connexes.................................................................................................... 26
12. Conclusion ..................................................................................................................... 27
Chapitre II : Conception ...................................................................................................... 28
1. Introduction .................................................................................................................. 28
2. Spécification informelle des besoins ............................................................................ 28
2.1 Le contenue d’un fichier de traces ............................................................................. 28
2.2 Type de l’ontologie .................................................................................................... 28
2.3 Méthode de construction d’ontologie ........................................................................ 29
2.3.1 Pourquoi METHONTOLOGY? .......................................................................... 29
3. La conception de l’ontologie ........................................................................................... 29
3.1 L'approche METHONTOLOGY distingue les étapes suivantes : ............................. 29
3.1.1 Spécification ...................................................................................................... 29
3.1.2 Conceptualisation ............................................................................................... 30
3.1.2.1 Construction du glossaire de termes ............................................................ 30
3.1.2.2 La hiérarchie des concepts ........................................................................... 31
3.1.2.3 Diagramme de relation binaire .................................................................... 33
3.1.2.4 Construction de dictionnaire de concepts ..................................................... 33
3.1.2.5 La construction de la table des relations binaires ........................................ 35
3.1.2.6 Construction de la table des attributs ........................................................... 35
3.1.2.7 Construction de la table des axiomes .......................................................... 36
3.1.3 Formalisation ...................................................................................................... 37
4. La conception de notre environnement ........................................................................ 39
4.1 Analyse et spécification des besoins .......................................................................... 39
4.1.1 Cahier des charges .............................................................................................. 39
4.2 Modélisation de l’application .................................................................................... 39
4.2.1 Diagramme de cas d’utilisation ........................................................................... 39
5. Conclusion .................................................................................................................... 40
Chapitre III : Implémentation .............................................................................................. 41
1. Introduction .................................................................................................................. 41
2. Les outils et langages utilisés ....................................................................................... 41
2.1 Protégé .................................................................................................................. 41
2.2 NetBeans IDE ............................................................................................................ 41
2.3 JSP « Java Server Page » .......................................................................................... 42
2.4 Tomcat ....................................................................................................................... 42
2.5 Le framework Jena ..................................................................................................... 42
2.6 SPARQL (Simple Protocole And RDF Query Language) ...................................... 42
3. L’implémentation de l’ontologie .................................................................................. 42
3.1 Édition de l’ontologie ................................................................................................ 42
3.1.1 L’ajout d’un concept ........................................................................................... 43
3.1.2 L’ajoute d’une relation ........................................................................................ 44
3.1.3 L’ajoute d’un attribut .......................................................................................... 45
3.1.4 La génération du code OWL ............................................................................... 45
4. L’environnement d’intégration de l’ontologie ............................................................. 47
4.1 Scénarios d’utilisation de l’environnement .............................................................. 47
4.1.2 L’interface de connexion ..................................................................................... 47
4.1.3 L’interface de l’analyste ...................................................................................... 47
4.1.4 Interface d’analyse du fichier de trace ................................................................ 48
4.1.5.1 Exportation vers ontologie ........................................................................... 50
4.1.5 Interface de consultation des informations.......................................................... 50
4.1.6 Recherche par date : ............................................................................................ 52
5. Conclusion .................................................................................................................... 54
Conclusion général et perspectives...................................................................................... 55
Bibliographie ..…………………………………………………………………………….56Côte titre : MAI/0046 En ligne : https://drive.google.com/file/d/1rMqsIxTzI6AyquiBBO3VMq9lLnRrBfsb/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0046 MAI/0046 Mémoire Bibliothéque des sciences Français Disponible
DisponibleAnalyse de sentiment dans les réseaux sociaux, nouvelle stratégie a base d'ensemble de classifieurs / Keddad, walid
Titre : Analyse de sentiment dans les réseaux sociaux, nouvelle stratégie a base d'ensemble de classifieurs Type de document : texte imprimé Auteurs : Keddad, walid ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (64f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
réseaux sociaux
Analyse de sentimentIndex. décimale : 004 Informatique Résumé : Abstract
Twitter sentiment analysis, the process of automatically extracting sentiment conveyed
by Twitter data, is a field that has seen a dramatic increase in research in recent years. The
goal of this master thesis is to develop a new machine learning model based on ensemble
learning to classify Twitter messages with respect to their sentiment. Sentiment can be
divided into three classes: positive, negative and neutral.
To compare our new model, several machine learning methods were used during experimentation sessions: Artificial Neural Network, Multinomial Naive Bayes, Support Vector
Machines, Random Forest, Logistic Regression and others. Besides, we tried to compare
different techniques for preprocessing natural language in order to find those that have an
impact on building accurate classifiers. To this purpose we applied Bag-of-Words model
(vector of unigrams), Bag-of-N-grams model (vector of bigrams and vector of trigrams) to
represent text data in suitable numeric format. Bag-of-unigrams and Bag-of-bigrams models
showed the best results for all methods and influenced in a positive way the overall accuracy.
The best performance was achieved by our new model, for both two class (positive and
negative) and three class (positive, negative and neutral) classification. Our new model
achieved an accuracy of 90.06% on two class classification and 78.21% on three class classification.Note de contenu :
Contents
1 Introduction 1
1.1 Research Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Thesis Organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Background 3
2.1 Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Machine Learning process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Machine Learning types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5 Learning Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5.1 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5.2 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5.3 Decision Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5.4 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.5 Ensemble methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Literature Review 21
3.1 Sentiment Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Sentiment Components . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Levels of Study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Sentiment Analysis Difficulties . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Different Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.1 Lexicon based method . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.2 Machine learning method . . . . . . . . . . . . . . . . . . . . . . . . 25
3.6 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 Datasets and implementation frameworks 29
4.1 Data Collection and Preprocessing . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.1 Description of Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.2 Preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.3 Features Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.4 Final Data representation . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Development environment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.1 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.2 Jupyter Notebook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.3 Scikit-learn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.4 Pandas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5 Experiments and results 46
5.1 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Proposed ensemble classifier . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3.1 Two Classes: Positive and Negative . . . . . . . . . . . . . . . . . . . 47
5.3.2 Three Classes: Positive, Negative and Neutral . . . . . . . . . . . . . 51
6 Discussion 55
6.1 Two Classes: Positive and Negative . . . . . . . . . . . . . . . . . . . . . . . 55
6.2 Three Classes: Positive, Negative and Neutral . . . . . . . . . . . . . . . . . 56
7 Conclusion 58Côte titre : MAI/0205 En ligne : https://drive.google.com/file/d/1xz1H6CxpjAAAQRHw1Bdejyxbgg4aoJVH/view?usp=shari [...] Format de la ressource électronique : Analyse de sentiment dans les réseaux sociaux, nouvelle stratégie a base d'ensemble de classifieurs [texte imprimé] / Keddad, walid ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (64f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
réseaux sociaux
Analyse de sentimentIndex. décimale : 004 Informatique Résumé : Abstract
Twitter sentiment analysis, the process of automatically extracting sentiment conveyed
by Twitter data, is a field that has seen a dramatic increase in research in recent years. The
goal of this master thesis is to develop a new machine learning model based on ensemble
learning to classify Twitter messages with respect to their sentiment. Sentiment can be
divided into three classes: positive, negative and neutral.
To compare our new model, several machine learning methods were used during experimentation sessions: Artificial Neural Network, Multinomial Naive Bayes, Support Vector
Machines, Random Forest, Logistic Regression and others. Besides, we tried to compare
different techniques for preprocessing natural language in order to find those that have an
impact on building accurate classifiers. To this purpose we applied Bag-of-Words model
(vector of unigrams), Bag-of-N-grams model (vector of bigrams and vector of trigrams) to
represent text data in suitable numeric format. Bag-of-unigrams and Bag-of-bigrams models
showed the best results for all methods and influenced in a positive way the overall accuracy.
The best performance was achieved by our new model, for both two class (positive and
negative) and three class (positive, negative and neutral) classification. Our new model
achieved an accuracy of 90.06% on two class classification and 78.21% on three class classification.Note de contenu :
Contents
1 Introduction 1
1.1 Research Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Thesis Organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Background 3
2.1 Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Twitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Machine Learning process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Machine Learning types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5 Learning Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5.1 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5.2 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5.3 Decision Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5.4 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.5 Ensemble methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Literature Review 21
3.1 Sentiment Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Sentiment Components . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Levels of Study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Sentiment Analysis Difficulties . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Different Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.1 Lexicon based method . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.2 Machine learning method . . . . . . . . . . . . . . . . . . . . . . . . 25
3.6 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 Datasets and implementation frameworks 29
4.1 Data Collection and Preprocessing . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.1 Description of Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.2 Preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.3 Features Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.4 Final Data representation . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Development environment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.1 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.2 Jupyter Notebook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.3 Scikit-learn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.4 Pandas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5 Experiments and results 46
5.1 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Proposed ensemble classifier . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3.1 Two Classes: Positive and Negative . . . . . . . . . . . . . . . . . . . 47
5.3.2 Three Classes: Positive, Negative and Neutral . . . . . . . . . . . . . 51
6 Discussion 55
6.1 Two Classes: Positive and Negative . . . . . . . . . . . . . . . . . . . . . . . 55
6.2 Three Classes: Positive, Negative and Neutral . . . . . . . . . . . . . . . . . 56
7 Conclusion 58Côte titre : MAI/0205 En ligne : https://drive.google.com/file/d/1xz1H6CxpjAAAQRHw1Bdejyxbgg4aoJVH/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0205 MAI/0205 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Analyse des sentiments appliquée aux critiques de films Type de document : texte imprimé Auteurs : Khabab,Takoua Hidaya, Auteur ; Benzine, Mehdi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (71 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Analyse des sentiments
Apprentissage automatiqueIndex. décimale : 004 - Informatique Résumé :
Le développement spectaculaire que connait internet aujourd’hui permet aux utilisateurs de
consulter davantage des sites web afin de communiquer, apprendre mais également échanger
leurs opinions sur des produits, des services et des films , via le site Allociné par exemple. Les
opinions collectées constituent des bases de données très intéressantes pouvant etre utilisées
afin de développer des approches d’apprentissage automatique.
Dans le cadre de ce travail de MASTER II GL, nous avons utilisé les avis émis sur les films
pour faire une analyse des sentiments (classification binaire). Nous avons également construit
un modèle de classification basé sur l’apprentissage automatique.
Dans ce mémoire, nous avons commencé par présenter les techniques utilisées pour le prétraitement
de l’ensemble de données, puis, nous avons appliqué différents algorithmes d’apprentissage
automatique tels que l’algorithme Machine ÃCôte titre : MAI/0487 En ligne : https://drive.google.com/file/d/1nWDpan4d7ixouRGPJ1UmXYBNFtLH6uFx/view?usp=shari [...] Format de la ressource électronique : Analyse des sentiments appliquée aux critiques de films [texte imprimé] / Khabab,Takoua Hidaya, Auteur ; Benzine, Mehdi, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (71 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Analyse des sentiments
Apprentissage automatiqueIndex. décimale : 004 - Informatique Résumé :
Le développement spectaculaire que connait internet aujourd’hui permet aux utilisateurs de
consulter davantage des sites web afin de communiquer, apprendre mais également échanger
leurs opinions sur des produits, des services et des films , via le site Allociné par exemple. Les
opinions collectées constituent des bases de données très intéressantes pouvant etre utilisées
afin de développer des approches d’apprentissage automatique.
Dans le cadre de ce travail de MASTER II GL, nous avons utilisé les avis émis sur les films
pour faire une analyse des sentiments (classification binaire). Nous avons également construit
un modèle de classification basé sur l’apprentissage automatique.
Dans ce mémoire, nous avons commencé par présenter les techniques utilisées pour le prétraitement
de l’ensemble de données, puis, nous avons appliqué différents algorithmes d’apprentissage
automatique tels que l’algorithme Machine ÃCôte titre : MAI/0487 En ligne : https://drive.google.com/file/d/1nWDpan4d7ixouRGPJ1UmXYBNFtLH6uFx/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0487 MAI/0487 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkAnalyse des sentiments des commentaires en arabe des lecteurs des journaux en lignes / Rania,Aberkane
PermalinkPermalinkPermalinkPermalinkAnalyse spectrale d’un problème elliptique d’ordre 2 et application au système de Lamé avec une condition de Newman / Lakhlef, Dounia
PermalinkAnalyse et synthèse des différentes approches concernant l’objet pédagogique / ZELLAGUI, Soumia
PermalinkAnalyse des systèmes embarques , vérification des algorithmes de l’architecture TTA (time triggered architecture) / Aliouat ,Zibouda
PermalinkAnalyse des tableaux de contingences enquéte sur la not d'évaluation(td) attribuée aux étudiants à l'université / Gueddou,Smail
Permalink