Sentiment analysis for users abnormalities detection / Bendiab ,Raounek  

Public ISBD Titre : Sentiment analysis for users abnormalities detection Type de document : texte imprimé Auteurs : Bendiab ,Raounek, Auteur ; Toumi,Lyazid, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (68 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses revues Spamming d'opinion Spammeurs d'opinion Machine Learning Supervisé Détection d’anomalie Index. décimale : 004 - Informatique Résumé : Plus que jamais, les décisions des gens sur les endroits à visiter ou les aliments à manger sont soumises à l'opinion des autres. Les revues en ligne sont de plus en plus utilisées par les particuliers et les organisations pour prendre des décisions. Les revues positives peuvent générer des gains financiers importants et une célébrité pour les entreprises. Malheureusement, cela incite fortement les imposteurs à jouer contre le système en publiant de fausses revues trompeuses pour promouvoir ou discréditer certains produits et services. Ces personnes sont appelées des spammeurs d'opinion et leurs activités sont appelées des spams d'opinion. La détection automatique de tels utilisateurs et avis est un processus très complexe et il n'existe pas de mécanisme direct pour résoudre le problème de manière fiable. Dans ce travail, nous adopterons une approche d'apprentissage automatique supervisé et nous proposons un mécanisme qui examine les avis des utilisateurs pour détecter les anomalies. Nous le faisons en combinant les techniques d'analyse des sentiments existantes et la correspondance de modèles. Afin de mieux comprendre une revue, nous la décomposons en phrases et produisons une valeur de sentiment pour chacune d'elles, ce qui nous permet de représenter une revue comme un vecteur de sentiment. Le vecteur de sentiment nous permet ensuite de faire correspondre différentes tailles de tuples avec d'autres revues de l'utilisateur et de calculer les scores Côte titre : MAI/0380 En ligne : https://drive.google.com/file/d/136tyKj3A_kgH-4G-W-oi4t-yeUAn_paK/view?usp=shari [...] Format de la ressource électronique : pdf Sentiment analysis for users abnormalities detection [texte imprimé] / Bendiab ,Raounek, Auteur ; Toumi,Lyazid, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (68 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Fausses revues Spamming d'opinion Spammeurs d'opinion Machine Learning Supervisé Détection d’anomalie Index. décimale : 004 - Informatique Résumé : Plus que jamais, les décisions des gens sur les endroits à visiter ou les aliments à manger sont soumises à l'opinion des autres. Les revues en ligne sont de plus en plus utilisées par les particuliers et les organisations pour prendre des décisions. Les revues positives peuvent générer des gains financiers importants et une célébrité pour les entreprises. Malheureusement, cela incite fortement les imposteurs à jouer contre le système en publiant de fausses revues trompeuses pour promouvoir ou discréditer certains produits et services. Ces personnes sont appelées des spammeurs d'opinion et leurs activités sont appelées des spams d'opinion. La détection automatique de tels utilisateurs et avis est un processus très complexe et il n'existe pas de mécanisme direct pour résoudre le problème de manière fiable. Dans ce travail, nous adopterons une approche d'apprentissage automatique supervisé et nous proposons un mécanisme qui examine les avis des utilisateurs pour détecter les anomalies. Nous le faisons en combinant les techniques d'analyse des sentiments existantes et la correspondance de modèles. Afin de mieux comprendre une revue, nous la décomposons en phrases et produisons une valeur de sentiment pour chacune d'elles, ce qui nous permet de représenter une revue comme un vecteur de sentiment. Le vecteur de sentiment nous permet ensuite de faire correspondre différentes tailles de tuples avec d'autres revues de l'utilisateur et de calculer les scores Côte titre : MAI/0380 En ligne : https://drive.google.com/file/d/136tyKj3A_kgH-4G-W-oi4t-yeUAn_paK/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0380	MAI/0380	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)