University Sétif 1 FERHAT ABBAS Faculty of Sciences
Résultat de la recherche
1 résultat(s) recherche sur le mot-clé 'Fausses nouvelles BERT'
Ajouter le résultat dans votre panier Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Titre : Détection de Fake News en Arabe : Une approche à base de Deep Learning Type de document : texte imprimé Auteurs : Ikram Boudjeloud, Auteur ; Narimen Souha Benharkat, Auteur ; Abdelaziz Lakhfif, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2023 Importance : 1 vol (79 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses nouvelles
BERTIndex. décimale : 004 Informatique Résumé : Les fausses nouvelles (fake news) se produisent lorsque des opinions, des histoires, des escroqueries ou des rumeurs sont créés pour ressembler à des actualités ou des informations légitimes. Ils sont présentés de manière à induire délibérément en erreur, tromper et désinformer les gens. Pour faire face à ce fléau, nombreux chercheurs se sont concentré ces dernières années à la détection de ces fausses nouvelles en utilisant des méthodes de traitement du langage naturel et d’algorithmes d’apprentissage automatique et d’apprentissage profond dans divers langues existantes. La détection des fausses nouvelles en anglais possède la plus grande part des études, contrairement à la détection des fausses nouvelles en Arabe, qui est encore très limité.
Ce mémoire se concentre sur la détection de fausses nouvelles en Arabe, en se basant sur les nouvelles approches, tel que les approches basées sur les Transformers. Les Transformers sont une architecture de modèles de réseau de neurones largement utilisée dans le domaine du traitement du langage naturel (NLP) et de l'apprentissage automatique. Le modèle « BERT » qui utilise l’architecture des Transformers est le plus connue. Il a été appliqué avec succès à de nombreuses tâches de traitement du langage naturel, face à son efficacité, plusieurs modèles ont été inspiré par BERT pour le traitement du langage arabe, tel que le modèle AraBERT. Plusieurs recherches ont montré que l'AraBERT nouvellement développé atteignait des performances de pointe sur la plupart des tâches de NLP en arabe testées. A cet effet, dans notre projet, nous utilisons le modèle AraBERT dans notre approche afin de détecter les fausses nouvelles textuelles arabes collectées dans deux ensembles de données (ANS et Covid19 Hybrid Dataset). Nous montrons nos résultats des expérimentations après avoir effectué plusieurs prétraitements, puis nous comparons les résultats obtenus. Enfin nous clôturons avec une conclusion finale.Côte titre : MAI/0723 En ligne : https://drive.google.com/file/d/1SZVzBa1qDUjyQ7Xn0D9yUzZM-ZBKAAl-/view?usp=drive [...] Format de la ressource électronique : Détection de Fake News en Arabe : Une approche à base de Deep Learning [texte imprimé] / Ikram Boudjeloud, Auteur ; Narimen Souha Benharkat, Auteur ; Abdelaziz Lakhfif, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2023 . - 1 vol (79 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses nouvelles
BERTIndex. décimale : 004 Informatique Résumé : Les fausses nouvelles (fake news) se produisent lorsque des opinions, des histoires, des escroqueries ou des rumeurs sont créés pour ressembler à des actualités ou des informations légitimes. Ils sont présentés de manière à induire délibérément en erreur, tromper et désinformer les gens. Pour faire face à ce fléau, nombreux chercheurs se sont concentré ces dernières années à la détection de ces fausses nouvelles en utilisant des méthodes de traitement du langage naturel et d’algorithmes d’apprentissage automatique et d’apprentissage profond dans divers langues existantes. La détection des fausses nouvelles en anglais possède la plus grande part des études, contrairement à la détection des fausses nouvelles en Arabe, qui est encore très limité.
Ce mémoire se concentre sur la détection de fausses nouvelles en Arabe, en se basant sur les nouvelles approches, tel que les approches basées sur les Transformers. Les Transformers sont une architecture de modèles de réseau de neurones largement utilisée dans le domaine du traitement du langage naturel (NLP) et de l'apprentissage automatique. Le modèle « BERT » qui utilise l’architecture des Transformers est le plus connue. Il a été appliqué avec succès à de nombreuses tâches de traitement du langage naturel, face à son efficacité, plusieurs modèles ont été inspiré par BERT pour le traitement du langage arabe, tel que le modèle AraBERT. Plusieurs recherches ont montré que l'AraBERT nouvellement développé atteignait des performances de pointe sur la plupart des tâches de NLP en arabe testées. A cet effet, dans notre projet, nous utilisons le modèle AraBERT dans notre approche afin de détecter les fausses nouvelles textuelles arabes collectées dans deux ensembles de données (ANS et Covid19 Hybrid Dataset). Nous montrons nos résultats des expérimentations après avoir effectué plusieurs prétraitements, puis nous comparons les résultats obtenus. Enfin nous clôturons avec une conclusion finale.Côte titre : MAI/0723 En ligne : https://drive.google.com/file/d/1SZVzBa1qDUjyQ7Xn0D9yUzZM-ZBKAAl-/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0723 MAI/0723 Mémoire Bibliothéque des sciences Français Disponible
Disponible