University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Lakhfif ,Abdelaziz |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Analyse des opinions dans les commentaires YouTube Type de document : texte imprimé Auteurs : Harbi ,Messaouda, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (63 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Fouille d’opinion
opinion mining
opinion
Méthodes symbolique
Statistique et hybride
classification
Subjectivité
polarité
Apprentissage
classifieurIndex. décimale : 004 - Informatique Résumé : Depuis plusieurs années, YouTube est devenu le fournisseur des vidéos utilisateurs en ligne le plus utilisé sur la toile. Ces vidéos reflétant les différents aspects de notre vie, contiennent des commentaires utilisateurs représentant l’intérêt du contenu de la vidéo et qui peuvent être exploité dans des processus d’analyse. Ainsi, l’analyse des commentaires YouTube nous offre une image claire de l'influence d'événements réels sur les sentiments des utilisateurs. Les résultats de l’analyse montrent que les tendances dans les sentiments exprimés dans les commentaires sont bien corrélées aux événements réels.
Dans ce mémoire de MASTER, nous effectuons une analyse des sentiments des commentaires YouTube concernant des vidéos traitants des sujets populaires en se basant sur des techniques d’apprentissage automatique.
Il a pour but d'analyser les sentiments des gens, et de donner des avis, des attitudes, des émotions... etc, vers des éléments comme des sujets, des produits, des individus, des organisations, des services….etc. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, nous présentons trois approches connues pour effectuer une classification automatique de textes d’opinion, la première approche est symbolique, la seconde statistique et la dernière hybride. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre) à l’opinion afin d appliquer un algorithme d’apprentissage supervisé à la ide deCôte titre : MAI/0341 En ligne : https://drive.google.com/file/d/1zOeTFu0-GqMayFmSUL5aeIoXJRlOLM1t/view?usp=shari [...] Format de la ressource électronique : Analyse des opinions dans les commentaires YouTube [texte imprimé] / Harbi ,Messaouda, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (63 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Fouille d’opinion
opinion mining
opinion
Méthodes symbolique
Statistique et hybride
classification
Subjectivité
polarité
Apprentissage
classifieurIndex. décimale : 004 - Informatique Résumé : Depuis plusieurs années, YouTube est devenu le fournisseur des vidéos utilisateurs en ligne le plus utilisé sur la toile. Ces vidéos reflétant les différents aspects de notre vie, contiennent des commentaires utilisateurs représentant l’intérêt du contenu de la vidéo et qui peuvent être exploité dans des processus d’analyse. Ainsi, l’analyse des commentaires YouTube nous offre une image claire de l'influence d'événements réels sur les sentiments des utilisateurs. Les résultats de l’analyse montrent que les tendances dans les sentiments exprimés dans les commentaires sont bien corrélées aux événements réels.
Dans ce mémoire de MASTER, nous effectuons une analyse des sentiments des commentaires YouTube concernant des vidéos traitants des sujets populaires en se basant sur des techniques d’apprentissage automatique.
Il a pour but d'analyser les sentiments des gens, et de donner des avis, des attitudes, des émotions... etc, vers des éléments comme des sujets, des produits, des individus, des organisations, des services….etc. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, nous présentons trois approches connues pour effectuer une classification automatique de textes d’opinion, la première approche est symbolique, la seconde statistique et la dernière hybride. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre) à l’opinion afin d appliquer un algorithme d’apprentissage supervisé à la ide deCôte titre : MAI/0341 En ligne : https://drive.google.com/file/d/1zOeTFu0-GqMayFmSUL5aeIoXJRlOLM1t/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0341 MAI/0341 Mémoire Bibliothéque des sciences Français Disponible
DisponibleUne architecture hybride neuronale probabiliste pour les modeles de langage / Diafat ,Mohamed Mokhtar
Titre : Une architecture hybride neuronale probabiliste pour les modeles de langage Type de document : texte imprimé Auteurs : Diafat ,Mohamed Mokhtar, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (50 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Traitement Automatique des Langues
Deep learning
Traduction Automatique StatistiqueIndex. décimale : 004 - Informatique Résumé :
La representation vectorielle (word embeddings) qui consiste a representer
le sens des mots sous forme de vecteurs (une liste de nombres) a contribue
ecacement a la modelisation des langues et au traitement automatique des
langues. Cette representation a permis de capturer les relations syntaxiques et
semantiques entre les mots. Dans ce memoire de MASTER, nous proposons la
construction des representations distribuees bilingues (Anglais-Arabe et Anglais
Francais) de mots a n de les utiliser dans des systemes de traduction automatique.
Les modeles de langages construits ont ete entra^nes sur deux corpus paralleles
des phrases alignees (Anglais-Arabe et Anglais Francais) dans les deux paires de
langues. Dans l'implementation de notre systeme, nous avons opte pour une architecture
a base de reseau de neurone recurrent RNR en exploitant un ensemble de
librairies (Pytorch, Sickit-learn, Cuda. etc.), a n de modeliser le processus de
codage-encodage utilise dans la traduction automatique statistique. Nos modeles
de langages ont ete evalues en se basant sur les mesures BLEU, TER, METEOR.Côte titre : MAI/0436 En ligne : https://drive.google.com/file/d/1OOChHR0J9lGaEqR0-6CVo4acZ4hGjIr5/view?usp=shari [...] Format de la ressource électronique : Une architecture hybride neuronale probabiliste pour les modeles de langage [texte imprimé] / Diafat ,Mohamed Mokhtar, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (50 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Traitement Automatique des Langues
Deep learning
Traduction Automatique StatistiqueIndex. décimale : 004 - Informatique Résumé :
La representation vectorielle (word embeddings) qui consiste a representer
le sens des mots sous forme de vecteurs (une liste de nombres) a contribue
ecacement a la modelisation des langues et au traitement automatique des
langues. Cette representation a permis de capturer les relations syntaxiques et
semantiques entre les mots. Dans ce memoire de MASTER, nous proposons la
construction des representations distribuees bilingues (Anglais-Arabe et Anglais
Francais) de mots a n de les utiliser dans des systemes de traduction automatique.
Les modeles de langages construits ont ete entra^nes sur deux corpus paralleles
des phrases alignees (Anglais-Arabe et Anglais Francais) dans les deux paires de
langues. Dans l'implementation de notre systeme, nous avons opte pour une architecture
a base de reseau de neurone recurrent RNR en exploitant un ensemble de
librairies (Pytorch, Sickit-learn, Cuda. etc.), a n de modeliser le processus de
codage-encodage utilise dans la traduction automatique statistique. Nos modeles
de langages ont ete evalues en se basant sur les mesures BLEU, TER, METEOR.Côte titre : MAI/0436 En ligne : https://drive.google.com/file/d/1OOChHR0J9lGaEqR0-6CVo4acZ4hGjIr5/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0436 MAI/0436 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Détection de l'Intensité des Emotions dans les Tweets Type de document : texte imprimé Auteurs : Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 Informatique Résumé :
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu :
Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
iv
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 Détection de l'Intensité des Emotions dans les Tweets [texte imprimé] / Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 Informatique Résumé :
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu :
Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
iv
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : Détection de l'Intensité des Emotions dans les Tweets Type de document : texte imprimé Auteurs : Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (38 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 - Informatique Résumé : Résumé
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu : Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 En ligne : https://drive.google.com/file/d/14YJtlkvooSN_EsgOiIXC2Q2xrz6yivbR/view?usp=shari [...] Format de la ressource électronique : Détection de l'Intensité des Emotions dans les Tweets [texte imprimé] / Dahel, Sami, Auteur ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (38 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Algorithmes d’apprentissage
Classification automatique
Fouille d'opinionIndex. décimale : 004 - Informatique Résumé : Résumé
Notre mémoire sur la fouille d’opinion et l'analyse de sentiment. Il est l'un des domaines de recherche les plus actifs actuellement, il a pour but d'analyser les sentiments des gens, des attitudes, des émotions sur twitter. La classification est une activité importante dans le domaine de fouille d’opinion pour cela, je représente un approches connues pour effectuer une classification automatique de textes d’opinion avec quatre algorithmes knn, regression linear, naive bayes et les arbres de décision. Le but de ce travail est de connaitre les sources informationnelles en repérant d’abord les phrases porteuses d’opinion, de détecter la subjectivité puis d’attribuer une polarité (positive, négative ou neutre)à l’opinion,et comparer les résultats d’évaluation dans différents algorithmes d’apprentissage.Note de contenu : Sommaire
Résumé ....................................................................................................................................... i
Liste des tableaux : ................................................................................................................. vii
Introduction général : ............................................................................................................. 1
CahpitreI
1.1 Analyse de sentiment : ....................................................................................................... 3
1.2 Niveaux d'étude : ................................................................................................................ 3
1.3 Composantes de sentiment : ............................................................................................. 4
1.4 Technique d'analyse des sentiments: ................................................................................ 4
1.4.1 Apprentissage automatique : ................................................................................ 4
1.4.2 Le méthode lexique : ............................................................................................. 6
1.4.3 Méthodes hybrides : ............................................................................................
1.5 Analyse de sentiment et le commerce : ............................................................................
1.6 Analyse de sentiment et politique : ................................................................................... 8
1.7 Analyse de sentiment et publicité en ligne : .....................................................................
ChapitreII
2.1 Définition : .......................................................................................................................
2.2 Le développement des réseaux sociaux : .......................................................................... 9
2.3 L'impact des réseaux sociaux dans notre vie: ................................................................ 10
2.3.1 Impact des médias sociaux sur l'éducation .......................................................... 10
2.3.2 Impact sur le business : .......................................................................................
2.3.3 Impact des médias sociaux sur la société: ........................................................... 11
2.3.4. Impact des médias sociaux sur les jeunes : ......................................................... 12
2.4 Les avantages et les inconvénients de réseaux sociaux : .............................................. 12
2.4.1 Avantages: .......................................................................................................... 12
2.4.2 Inconvénients: .................................................................................................... 13
2.5 Twitter : ............................................................................................................................. 13
2.5.1 Présentation de twitter : ..................................................................................... 13
2.5.2 Eléments de twitter: ........................................................................................... 14
2.5.3 L'impact de twitter dans notre vie : .................................................................... 15
2.5.3.1. Outils de communication ............................................................................. 15
2.5.3.2. Outils d'information .................................................................................... 15
2.5.3.3. Outils de rapprochement ............................................................................. 15
2.5.3.4. Des outils de partage : ................................................................................. 15
2.5.3.5. Des outils valorisants : ................................................................................. 15
2.5.3.6. Des outils relationnels : ............................................................................... 16
2.5.3.7. Un remède à la solitude : ............................................................................. 16
2.5.4. Les inconvénients de Twitter: ............................................................................. 16
2.5.4.1. L'intimidation : ............................................................................................ 16
2.5.4.2. La vengeance : ................................................................................................ 16
2.5.4.3. La vie professionnelle : .................................................................................... 16
ChapitreIII
3.1 Data mining : ................................................................................................................... 17
3.2 description data mining : ............................................................................................... 17
3.3 Noms alternatifs et leurs histoires intérieures: .............................................................. 17
3.4 types de données applique le data mining ...................................................................... 18
3.5 Fouille de Texte (Text Mining) : ..................................................................................... 18
3.5.1. le text mining : ................................................................................................... 18
3.5.2 L’utilité du text mining : ...................................................................................... 18
3.6 Modèle de processus DM : ............................................................................................... 19
3.7 Techniques du Data mining: ........................................................................................... 20
3.8 Fouille de texte et fouille de données : ............................................................................ 21
ChapitreIV
4.1 Twitter api : ...................................................................................................................... 22
4.2 Domaines d'application de l'API : .................................................................................. 22
4.3 Création d'une application twitter : ............................................................................... 22
4.4 Environnement logiciel : .................................................................................................. 25
4.4.1 Le Jupyter : ......................................................................................................... 25
4.5 Langage de programmation: ........................................................................................... 26
4.5.1 Python : .............................................................................................................. 26
4.5.2 Bibliothèques : ................................................................................................... 26
4.6 Connexion python avec twitter : .................................................................................... 27
4.7 analyse les commentaires : .............................................................................................. 27
4.8 Présentation des donner : ................................................................................................ 28
4.9 Pré traitement : ................................................................................................................. 28
4.10 Représentation : .............................................................................................................. 30
4.11 Expérimentation : ........................................................................................................... 31
4.12 Résultats : ........................................................................................................................ 32
4.13. Discutions résultat : ....................................................................................................... 36
Conclusion général : ............................................................................................................... 38
BibliographieCôte titre : MAI/0219 En ligne : https://drive.google.com/file/d/14YJtlkvooSN_EsgOiIXC2Q2xrz6yivbR/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0219 MAI/0219 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Knowledge and BERT-based Approach for Implicit Emotion Recognition Type de document : texte imprimé Auteurs : Marouane Sid Ali Zenina, Auteur ; Yusufu Ssemugooma ; Lakhfif ,Abdelaziz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (62 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Implicit emotion recognition
Transformers
BERT
RoBERTa
DeBERTa
Natural language processingIndex. décimale : 004 - Informatique Résumé : This thesis investigates transformers-based models, particularly BERT and its variants
RoBERTa and DeBERTa for the domain of implicit emotion recognition, which is one the
most challenging tasks due to the complexities involved in understanding emotions that
are not explicitly stated. However, BERT and its variants showed a great potential in
this domain due to their enhanced capabilities. Our findings show that our best model
achieved a 75.99% f1-score indicating a good performance in recognizing implicit emotions.Note de contenu :
Sommaire
General Introduction 1
1 Social Media 3
1.1 Introduction to Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Impact of Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Positive Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Negative Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Social Media, A Treasure Trove for NLP : . . . . . . . . . . . . . . 6
1.3 The Landscape of Social Media Platforms . . . . . . . . . . . . . . . . . . 6
1.3.1 Types of Social Media Platforms . . . . . . . . . . . . . . . . . . . 6
1.4 Accessing Social Media Data for NLP Research . . . . . . . . . . . . . . . 8
1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Literature Review 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 What are Emotions ? . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Why do Emotions matter ? . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Emotion Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Emotion Recognition Techniques . . . . . . . . . . . . . . . . . . . 11
2.2.2 Emotion Recognition Theories . . . . . . . . . . . . . . . . . . . . . 12
2.2.3 Emotion Recognition from Text . . . . . . . . . . . . . . . . . . . . 14
2.3 Implicit Emotion Shared Task 2018 (IEST 2018) . . . . . . . . . . . . . . . 15
2.3.1 Overview of IEST 2018 . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Participating Teams . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Advancements in Implicit Emotion Recognition Beyond IEST 2018 . . . . 20
2.4.1 Research Gaps and Future Directions . . . . . . . . . . . . . . . . . 24
2.4.2 Future Directions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 PRE-TRAINED MODELS 26
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Understanding Pre-trained Models . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Pre-trained Models’ Architectures . . . . . . . . . . . . . . . . . . . 26
3.2.2 Pre-trained Models . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3 BERT Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.1 Model Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.2 BERT Training And Fine-Tuning . . . . . . . . . . . . . . . . . . . 35
3.3.3 BERT-Based Model for Text Classification . . . . . . . . . . . . . . 38
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4 Methodology and Experiments 41
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.2 Dataset Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.3 Data Preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Development Environment . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.2 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.1 Objective . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.2 BERT Vs RoBERTa Vs DeBERTa . . . . . . . . . . . . . . . . . . . 47
4.4.3 Models setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.4 Results and Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4.5 Our Models vs. State-of-the-Art . . . . . . . . . . . . . . . . . . . . 58
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60Côte titre : MAI/0870 Knowledge and BERT-based Approach for Implicit Emotion Recognition [texte imprimé] / Marouane Sid Ali Zenina, Auteur ; Yusufu Ssemugooma ; Lakhfif ,Abdelaziz, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (62 f .) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Implicit emotion recognition
Transformers
BERT
RoBERTa
DeBERTa
Natural language processingIndex. décimale : 004 - Informatique Résumé : This thesis investigates transformers-based models, particularly BERT and its variants
RoBERTa and DeBERTa for the domain of implicit emotion recognition, which is one the
most challenging tasks due to the complexities involved in understanding emotions that
are not explicitly stated. However, BERT and its variants showed a great potential in
this domain due to their enhanced capabilities. Our findings show that our best model
achieved a 75.99% f1-score indicating a good performance in recognizing implicit emotions.Note de contenu :
Sommaire
General Introduction 1
1 Social Media 3
1.1 Introduction to Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Impact of Social Media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Positive Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Negative Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Social Media, A Treasure Trove for NLP : . . . . . . . . . . . . . . 6
1.3 The Landscape of Social Media Platforms . . . . . . . . . . . . . . . . . . 6
1.3.1 Types of Social Media Platforms . . . . . . . . . . . . . . . . . . . 6
1.4 Accessing Social Media Data for NLP Research . . . . . . . . . . . . . . . 8
1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Literature Review 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 What are Emotions ? . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Why do Emotions matter ? . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Emotion Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Emotion Recognition Techniques . . . . . . . . . . . . . . . . . . . 11
2.2.2 Emotion Recognition Theories . . . . . . . . . . . . . . . . . . . . . 12
2.2.3 Emotion Recognition from Text . . . . . . . . . . . . . . . . . . . . 14
2.3 Implicit Emotion Shared Task 2018 (IEST 2018) . . . . . . . . . . . . . . . 15
2.3.1 Overview of IEST 2018 . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Participating Teams . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Advancements in Implicit Emotion Recognition Beyond IEST 2018 . . . . 20
2.4.1 Research Gaps and Future Directions . . . . . . . . . . . . . . . . . 24
2.4.2 Future Directions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 PRE-TRAINED MODELS 26
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Understanding Pre-trained Models . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Pre-trained Models’ Architectures . . . . . . . . . . . . . . . . . . . 26
3.2.2 Pre-trained Models . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3 BERT Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.1 Model Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.2 BERT Training And Fine-Tuning . . . . . . . . . . . . . . . . . . . 35
3.3.3 BERT-Based Model for Text Classification . . . . . . . . . . . . . . 38
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4 Methodology and Experiments 41
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.2 Dataset Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.3 Data Preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Development Environment . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.2 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.1 Objective . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.2 BERT Vs RoBERTa Vs DeBERTa . . . . . . . . . . . . . . . . . . . 47
4.4.3 Models setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4.4 Results and Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4.5 Our Models vs. State-of-the-Art . . . . . . . . . . . . . . . . . . . . 58
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60Côte titre : MAI/0870 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0870 MAI/0870 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
