Deep models For Understanding and Generating / Mahar ,Rania  

Public ISBD Titre : Deep models For Understanding and Generating : Arabic Textual Data Type de document : texte imprimé Auteurs : Mahar ,Rania, Auteur ; Moussaoui ,Abdelouahab, 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 : Compréhension du Langage Naturel Apprentissage Automatique Apprentissage profond Mémoire à Long Terme Systéme Question-Réponse Analyse des Sentiments. Index. décimale : 004 - Informatique Résumé : Avec le volume massif des données Arabes textuelle disponibles online, le traitement du langage Arabe naturel devient plus en plus important à traiter et à manipuler ces données. Dans ce mémoire de master, nous allons choisir deux tâches de Traitement de Langage Naturel qui sont : réponse aux questions pour construire un système adéquat qui pourrait comprendre une question et essayer de générer une réponse appropriée pour cette question à partir d’un contexte donné, et tâche d’analyse des sentiments pour les avis sur les hôtels pour construire un classificateur qui évalue la polarité d’un avis soit positif ou négatif. Notre approche pour système question réponse à été testée et vérifiée en utilisant la base de données AAQAD qui contient 17,000 questions, réponses, et paragraphe sur différent sujets. Et pour notre deuxième approche d’analyse des sentiments à été testée et validée en utilisant la base de données publique HARD qui contient 373,750 avis sur 1,858 hôtels avec un classement varié de 1 à 5. On a fait une étude comparative entre les techniques traditionnel du traitement de langage et les algorithmes d’apprentissage automatique, et les approches d’apprentissage profond pour les deux taches, et les résultats finale montrées que les architectures profond (avec Bidirec Côte titre : MAI/0424 En ligne : https://drive.google.com/file/d/126ifZQi92UGXCHl5SYhMA0wTASTQtcpP/view?usp=shari [...] Format de la ressource électronique : pdf Deep models For Understanding and Generating : Arabic Textual Data [texte imprimé] / Mahar ,Rania, Auteur ; Moussaoui ,Abdelouahab, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (65 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Compréhension du Langage Naturel Apprentissage Automatique Apprentissage profond Mémoire à Long Terme Systéme Question-Réponse Analyse des Sentiments. Index. décimale : 004 - Informatique Résumé : Avec le volume massif des données Arabes textuelle disponibles online, le traitement du langage Arabe naturel devient plus en plus important à traiter et à manipuler ces données. Dans ce mémoire de master, nous allons choisir deux tâches de Traitement de Langage Naturel qui sont : réponse aux questions pour construire un système adéquat qui pourrait comprendre une question et essayer de générer une réponse appropriée pour cette question à partir d’un contexte donné, et tâche d’analyse des sentiments pour les avis sur les hôtels pour construire un classificateur qui évalue la polarité d’un avis soit positif ou négatif. Notre approche pour système question réponse à été testée et vérifiée en utilisant la base de données AAQAD qui contient 17,000 questions, réponses, et paragraphe sur différent sujets. Et pour notre deuxième approche d’analyse des sentiments à été testée et validée en utilisant la base de données publique HARD qui contient 373,750 avis sur 1,858 hôtels avec un classement varié de 1 à 5. On a fait une étude comparative entre les techniques traditionnel du traitement de langage et les algorithmes d’apprentissage automatique, et les approches d’apprentissage profond pour les deux taches, et les résultats finale montrées que les architectures profond (avec Bidirec Côte titre : MAI/0424 En ligne : https://drive.google.com/file/d/126ifZQi92UGXCHl5SYhMA0wTASTQtcpP/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0424	MAI/0424	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)