Machine Learning based approach for event detection in twitter datastreams / Abdallah Zahir Mehiris  

Public ISBD Titre : Machine Learning based approach for event detection in twitter datastreams Type de document : texte imprimé Auteurs : Abdallah Zahir Mehiris, Auteur ; Ramla Radjai ; Lakhfif, Abdelaziz, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (63 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Détection d’événements Twitter NLP Réseaux Sociaux BERT-CNNDeep learning(DL). Index. décimale : 004 - Informatique Résumé : Dans ce mémoire de fin d’étude (master) nous proposons une approche pour la détection d’événements, basé sur deux modèles deep learning (DL) qui sont BERT et CNN. Afin d’accéder rapidement à des informations sur les événements qui se déroulent dans le monde entier. Les interactions des utilisateurs ont généré une masse énorme d’événements. Cependant, le traitement automatique des données de ces évènements est compliqué en raison de défis tels que la complexité du langage, les données non structurées et l’ambiguïté. Nous avons proposé Dans ce mémoire, un modèle deep learning pour la détection d’événements utile sur Twitter en utilisant l’ensemble de données MAVEN. Nous mesurons les performances en termes de précision, de rappel et de score F1, qui sont des métriques couramment utilisées pour évaluer la qualité des modèles de détection d’événements = In this final thesis (master’s), we propose an approach for event detection based on two deep learning (DL) models, BERT and CNN. The aim is to quickly access information about events happening worldwide. User interactions have generated a massive amount of events. However, automatic processing of these event data is challenging due to language complexity, unstructured data, and ambiguity. In this thesis, we propose a deep learning model for event detection on Twitter using the MAVEN dataset. We measure the performance in terms of precision, recall, and F1 score, which are commonly used metrics to evaluate the quality of event detection models. Côte titre : MAI/0822 En ligne : https://drive.google.com/file/d/1pQuGeKSzfFhIKN4ISqIztkD-ABmkjuYT/view?usp=drive [...] Format de la ressource électronique : pdf Machine Learning based approach for event detection in twitter datastreams [texte imprimé] / Abdallah Zahir Mehiris, Auteur ; Ramla Radjai ; Lakhfif, Abdelaziz, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (63 f.) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Détection d’événements Twitter NLP Réseaux Sociaux BERT-CNNDeep learning(DL). Index. décimale : 004 - Informatique Résumé : Dans ce mémoire de fin d’étude (master) nous proposons une approche pour la détection d’événements, basé sur deux modèles deep learning (DL) qui sont BERT et CNN. Afin d’accéder rapidement à des informations sur les événements qui se déroulent dans le monde entier. Les interactions des utilisateurs ont généré une masse énorme d’événements. Cependant, le traitement automatique des données de ces évènements est compliqué en raison de défis tels que la complexité du langage, les données non structurées et l’ambiguïté. Nous avons proposé Dans ce mémoire, un modèle deep learning pour la détection d’événements utile sur Twitter en utilisant l’ensemble de données MAVEN. Nous mesurons les performances en termes de précision, de rappel et de score F1, qui sont des métriques couramment utilisées pour évaluer la qualité des modèles de détection d’événements = In this final thesis (master’s), we propose an approach for event detection based on two deep learning (DL) models, BERT and CNN. The aim is to quickly access information about events happening worldwide. User interactions have generated a massive amount of events. However, automatic processing of these event data is challenging due to language complexity, unstructured data, and ambiguity. In this thesis, we propose a deep learning model for event detection on Twitter using the MAVEN dataset. We measure the performance in terms of precision, recall, and F1 score, which are commonly used metrics to evaluate the quality of event detection models. Côte titre : MAI/0822 En ligne : https://drive.google.com/file/d/1pQuGeKSzfFhIKN4ISqIztkD-ABmkjuYT/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0822	MAI/0822	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)