Opinion Mining in social media documents / Dahoua ,Nihed  

Public ISBD 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 sociaux Index. 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 classication 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 classication, mais les performances de ces modèles varient selon la taille des data set utilisés. An 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 : pdf 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 sociaux Index. 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 classication 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 classication, mais les performances de ces modèles varient selon la taille des data set utilisés. An 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 : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0401	MAI/0401	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)