University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Nour El Im`ene Kharmouche |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Feature Selection Using Gray Wolf Optimizer For Arabic Text Classification / Nour El Im`ene Kharmouche
Titre : Feature Selection Using Gray Wolf Optimizer For Arabic Text Classification Type de document : texte imprimé Auteurs : Nour El Im`ene Kharmouche, Auteur ; Abdeldjaouad Nacer, Auteur ; Chafia kara mohamed, Directeur de thèse Année de publication : 2022 Importance : 1 vol (35 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage automatique
sélection de fonctionnalitésIndex. décimale : 004 Informatique Résumé :
Avec le développement rapide de l'intelligence artificielle, la recherche sur le traitement de
l'information textuelle a commencé à attirer l'attention des chercheurs et les méthodes de
classification des textes ont commencé à différer d'un ensemble de données à l'autre. Le
problème des grands ensembles de données a toujours existé en raison des grandes
fonctionnalités. Dans les données de grande dimension, des caractéristiques non pertinentes et
sans importance peuvent être trouvées, et ces caractéristiques causent un certain nombre de
problèmes qui peuvent empêcher le processus de modélisation prédictive efficace. Ce travail
utilise l'optimiseur de loup gris (GWO) dans une approche wrapper FS pour résoudre les
problèmes de la classification de texte arabe. Un ensemble de données nommé NADA a été
utilisé pour évaluer l'efficacité des méthodes d'emballage basées sur GWO. Les résultats et
l'analyse montrent que la technique de sélection de caractéristiques basée sur la forêt aléatoire
(Random Forest) a amélioré l'efficacité dans le traitement des problèmes de classification de
texte arabe par rapport à d'autres algorithmes.Côte titre : MAI/0678 En ligne : https://drive.google.com/file/d/1-WnJKrkawrnUZBhy7irPB2f3PEnd0mJR/view?usp=share [...] Format de la ressource électronique : Feature Selection Using Gray Wolf Optimizer For Arabic Text Classification [texte imprimé] / Nour El Im`ene Kharmouche, Auteur ; Abdeldjaouad Nacer, Auteur ; Chafia kara mohamed, Directeur de thèse . - 2022 . - 1 vol (35 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage automatique
sélection de fonctionnalitésIndex. décimale : 004 Informatique Résumé :
Avec le développement rapide de l'intelligence artificielle, la recherche sur le traitement de
l'information textuelle a commencé à attirer l'attention des chercheurs et les méthodes de
classification des textes ont commencé à différer d'un ensemble de données à l'autre. Le
problème des grands ensembles de données a toujours existé en raison des grandes
fonctionnalités. Dans les données de grande dimension, des caractéristiques non pertinentes et
sans importance peuvent être trouvées, et ces caractéristiques causent un certain nombre de
problèmes qui peuvent empêcher le processus de modélisation prédictive efficace. Ce travail
utilise l'optimiseur de loup gris (GWO) dans une approche wrapper FS pour résoudre les
problèmes de la classification de texte arabe. Un ensemble de données nommé NADA a été
utilisé pour évaluer l'efficacité des méthodes d'emballage basées sur GWO. Les résultats et
l'analyse montrent que la technique de sélection de caractéristiques basée sur la forêt aléatoire
(Random Forest) a amélioré l'efficacité dans le traitement des problèmes de classification de
texte arabe par rapport à d'autres algorithmes.Côte titre : MAI/0678 En ligne : https://drive.google.com/file/d/1-WnJKrkawrnUZBhy7irPB2f3PEnd0mJR/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0678 MAI/0678 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible