University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Analyse des émotions implicites sur les réseaux sociaux Type de document : texte imprimé Auteurs : Ouaret, Manel, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (52 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Le succès qu’a connu l’informatique et les services proposés par le web
(blog, site spécialisé, réseaux sociaux) ont permis d’acquérir un nouveau niveau
d’expression qu’on peut définir comme "massive" autour de milliers de
sujets plus variés ou spécifiques les uns que les autres, cela a créer d’abondantes
possibilités d’analyse d’émotion des utilisateurs et ainsi permettre de
mieux comprendre les avis du grand public.
L’analyse des sentiments - implicites dans le cadre de ce mémoire- a pour
objectif de mettre en place des outils et systèmes informatiques capables
de traiter et d’interpréter des informations extraites d’un texte (tweet) en
langage naturel afin de créer une base de connaissance qui sera exploitée
pour définir quelles émotions émanent de quel texte.
De nos jours, le partage d’avis sur les réseaux sociaux est une pratique
accessible aux doigts de milliard de personnes, mais l’informatique peutelle
avoir l’intelligence requise pour détecter et reconnaitre les émotions humaines,
quand ces dernières ne sont pas explicitement exprimées ? Dans ce
mémoire nous allons essayer d’apporter des éléments de réponse à cette problématique.
5Côte titre : MAI/0485 En ligne : https://drive.google.com/file/d/1cYQQfJim_rfnBFXluhl4DD6tkdmhSQpK/view?usp=shari [...] Format de la ressource électronique : Analyse des émotions implicites sur les réseaux sociaux [texte imprimé] / Ouaret, Manel, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (52 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
Le succès qu’a connu l’informatique et les services proposés par le web
(blog, site spécialisé, réseaux sociaux) ont permis d’acquérir un nouveau niveau
d’expression qu’on peut définir comme "massive" autour de milliers de
sujets plus variés ou spécifiques les uns que les autres, cela a créer d’abondantes
possibilités d’analyse d’émotion des utilisateurs et ainsi permettre de
mieux comprendre les avis du grand public.
L’analyse des sentiments - implicites dans le cadre de ce mémoire- a pour
objectif de mettre en place des outils et systèmes informatiques capables
de traiter et d’interpréter des informations extraites d’un texte (tweet) en
langage naturel afin de créer une base de connaissance qui sera exploitée
pour définir quelles émotions émanent de quel texte.
De nos jours, le partage d’avis sur les réseaux sociaux est une pratique
accessible aux doigts de milliard de personnes, mais l’informatique peutelle
avoir l’intelligence requise pour détecter et reconnaitre les émotions humaines,
quand ces dernières ne sont pas explicitement exprimées ? Dans ce
mémoire nous allons essayer d’apporter des éléments de réponse à cette problématique.
5Côte titre : MAI/0485 En ligne : https://drive.google.com/file/d/1cYQQfJim_rfnBFXluhl4DD6tkdmhSQpK/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0485 MAI/0485 Thèse Bibliothéque des sciences Français Disponible
DisponibleAnalyse des images Méteosat Seconde Génération (MSG) pour l’estimation des précipitations / Osmani, Affef
Titre : Analyse des images Méteosat Seconde Génération (MSG) pour l’estimation des précipitations : Etude de cas en Algérie Type de document : texte imprimé Auteurs : Osmani, Affef, Auteur ; Fateh Seghir, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (49 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Estimation des Précipitations
k-means
MSGIndex. décimale : 004 Informatique Résumé : Ce travail porte sur l’estimation des précipitations en utilisant l’information infrarouge
du canal C9 (10.80 ¹m) du satellite Météosat Seconde Génération (MSG). Pour ce faire, nous
avons élaboré une méthode portant sur un seuil de température. Cette dernière constitue une
alternative permettant de simplifier la classification des nuages. Le principe est de définir une
valeur de seuil pour les données utilisées, à partir desquelles les pixels des images IR10.8 sont
considérés pluvieux ou non. Une approche d’estimation des précipitations basée sur le concept de
la classification non supervisée en k-means est proposée. Donc Le modèle élaboré ayant comme
sortie deux classes (clusters), dont l’une des classes est celle des pixels considérés précipitants
et l’autre pas de précipitation. Les données acquises par le capteur MSG-SEVIRI représentent
la période allant du 1er octobre 2016 au 31 mars 2017, et la région d’étude concerne le nord-est
de l’Algérie. Les résultats recueillis sont comparés aux données obtenues par le programme
d’estimation des précipitations par multicapteurs (MPE) de l’Organisation Européenne pour
l’exploitation des satellites météorologiques. Afin de valider le modèle développé.Note de contenu :
Sommaire
Remerciement i
Dédicaces ii
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Liste des tableaux vi
Table des figures vii
0.1 Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1 Les satellites MSG 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Dispositifs d’imagerie Satellitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Les satellites météorologiques . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1.1 Les satellites géostationnaires . . . . . . . . . . . . . . . . . . . . 4
1.2.1.2 Les satellites polaires . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Les satellites Météosat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2.1 Météosat de première génération . . . . . . . . . . . . . . . . . . . 5
1.2.2.2 Météosat seconde génération (MSG) . . . . . . . . . . . . . . . . . 6
1.3 Principe d’acquisition des images MSG . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Data Mining 14
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Data Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Processus d’extraction de connaissances à partir de données ECD . . . . 15
2.2.2 Techniques de data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2.1 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2.2 Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2.3 Les règle d’association . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2.4 Clustering (segmentation) . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Réseaux de Neurones Artificiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.1 Neurone biologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
iv
TABLE DE MATIÈRE
2.3.2 Neurone artificiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.3 Architecture des réseaux neuronaux . . . . . . . . . . . . . . . . . . . . . . 21
2.3.3.1 Les réseaux de neurones non bouclés (statiques) . . . . . . . . . 22
2.3.3.2 Les réseaux de neurones bouclés (dynamiques) . . . . . . . . . . 23
2.3.4 Apprentissage supervisé et non supervisé . . . . . . . . . . . . . . . . . . . 23
2.4 K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1 L’algorithme de K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Etat d’art 28
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3 Méthodes d’estimation des précipitations par satellite . . . . . . . . . . . . . . . . 32
3.4 Etude comparative des techniques de classification . . . . . . . . . . . . . . . . . . 33
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Conception et Implémentation 34
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Site d’étude et les données utilisées . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1 Présentation du site . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.2 Ensembles de données (Dataset) . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Conception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4.1 Environnement et outils de mise en oeuvre . . . . . . . . . . . . . . . . . . 37
4.4.1.1 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4.2 Méthode d’identification et de classification . . . . . . . . . . . . . . . . . . 38
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Bibliographie 42
Annexe 46
Les nuages et les précipitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Les nuages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Formation des nuages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Formation des nuages de convection . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Types de précipitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
v
LISTE DES TABLEAUCôte titre : MAI/0303 En ligne : https://drive.google.com/file/d/1uKdfzh0n9YAQ6X4684DFL7dMIG2K8Yfu/view?usp=shari [...] Format de la ressource électronique : Analyse des images Méteosat Seconde Génération (MSG) pour l’estimation des précipitations : Etude de cas en Algérie [texte imprimé] / Osmani, Affef, Auteur ; Fateh Seghir, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (49 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Estimation des Précipitations
k-means
MSGIndex. décimale : 004 Informatique Résumé : Ce travail porte sur l’estimation des précipitations en utilisant l’information infrarouge
du canal C9 (10.80 ¹m) du satellite Météosat Seconde Génération (MSG). Pour ce faire, nous
avons élaboré une méthode portant sur un seuil de température. Cette dernière constitue une
alternative permettant de simplifier la classification des nuages. Le principe est de définir une
valeur de seuil pour les données utilisées, à partir desquelles les pixels des images IR10.8 sont
considérés pluvieux ou non. Une approche d’estimation des précipitations basée sur le concept de
la classification non supervisée en k-means est proposée. Donc Le modèle élaboré ayant comme
sortie deux classes (clusters), dont l’une des classes est celle des pixels considérés précipitants
et l’autre pas de précipitation. Les données acquises par le capteur MSG-SEVIRI représentent
la période allant du 1er octobre 2016 au 31 mars 2017, et la région d’étude concerne le nord-est
de l’Algérie. Les résultats recueillis sont comparés aux données obtenues par le programme
d’estimation des précipitations par multicapteurs (MPE) de l’Organisation Européenne pour
l’exploitation des satellites météorologiques. Afin de valider le modèle développé.Note de contenu :
Sommaire
Remerciement i
Dédicaces ii
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Liste des tableaux vi
Table des figures vii
0.1 Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1 Les satellites MSG 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Dispositifs d’imagerie Satellitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Les satellites météorologiques . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1.1 Les satellites géostationnaires . . . . . . . . . . . . . . . . . . . . 4
1.2.1.2 Les satellites polaires . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Les satellites Météosat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2.1 Météosat de première génération . . . . . . . . . . . . . . . . . . . 5
1.2.2.2 Météosat seconde génération (MSG) . . . . . . . . . . . . . . . . . 6
1.3 Principe d’acquisition des images MSG . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Data Mining 14
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Data Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Processus d’extraction de connaissances à partir de données ECD . . . . 15
2.2.2 Techniques de data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2.1 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2.2 Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2.3 Les règle d’association . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2.4 Clustering (segmentation) . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Réseaux de Neurones Artificiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.1 Neurone biologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
iv
TABLE DE MATIÈRE
2.3.2 Neurone artificiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.3 Architecture des réseaux neuronaux . . . . . . . . . . . . . . . . . . . . . . 21
2.3.3.1 Les réseaux de neurones non bouclés (statiques) . . . . . . . . . 22
2.3.3.2 Les réseaux de neurones bouclés (dynamiques) . . . . . . . . . . 23
2.3.4 Apprentissage supervisé et non supervisé . . . . . . . . . . . . . . . . . . . 23
2.4 K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1 L’algorithme de K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Etat d’art 28
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3 Méthodes d’estimation des précipitations par satellite . . . . . . . . . . . . . . . . 32
3.4 Etude comparative des techniques de classification . . . . . . . . . . . . . . . . . . 33
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Conception et Implémentation 34
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Site d’étude et les données utilisées . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1 Présentation du site . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.2 Ensembles de données (Dataset) . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Conception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4.1 Environnement et outils de mise en oeuvre . . . . . . . . . . . . . . . . . . 37
4.4.1.1 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4.2 Méthode d’identification et de classification . . . . . . . . . . . . . . . . . . 38
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Bibliographie 42
Annexe 46
Les nuages et les précipitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Les nuages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Formation des nuages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Formation des nuages de convection . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Types de précipitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
v
LISTE DES TABLEAUCôte titre : MAI/0303 En ligne : https://drive.google.com/file/d/1uKdfzh0n9YAQ6X4684DFL7dMIG2K8Yfu/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0303 MAI/0303 Mémoire Bibliothéque des sciences Français Disponible
DisponibleAnalyse des interactions entre services web en utilisant les Protocol temporisés / Omer, Dohia
Titre : Analyse des interactions entre services web en utilisant les Protocol temporisés Type de document : texte imprimé Auteurs : Omer, Dohia ; SAIDI,MOHAMED, Directeur de thèse Editeur : Setif:UFA Année de publication : 2012 Importance : 1 vol (63f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
services web
protocoleIndex. décimale : 004 Informatique Côte titre : MAI/0013 Analyse des interactions entre services web en utilisant les Protocol temporisés [texte imprimé] / Omer, Dohia ; SAIDI,MOHAMED, Directeur de thèse . - [S.l.] : Setif:UFA, 2012 . - 1 vol (63f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
services web
protocoleIndex. décimale : 004 Informatique Côte titre : MAI/0013 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0013 MAI/0013 Mémoire Bibliothéque des sciences Français Disponible
Disponible
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
Disponible
Titre : Analyse de performances des réseaux par la simulation algébrique Type de document : texte imprimé Auteurs : KIBOUDJ, Merwa ; BOUCHOUL,F, Directeur de thèse Editeur : Setif:UFA Année de publication : 2012 Importance : 1 vol (62f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : modélisation, simulation,évaluation de performances,files d’attente,logique de réécriture,Maude. Index. décimale : 004 Informatique Résumé : Résumé
L'analyse des propriétés des réseaux de communication nécessite souvent le recours à des outils de simulation qui permet l’évaluation des paramètres (indices) de performances du système pour l’améliorer ou valider sa conception. Les réseaux des files d’attente représente le formalisme le plus utilisé dans la modélisation des réseaux de communication. Cependant vu la complexité des réseaux, la vérification formelle semble nécessaire pour prendre en charge certaines propriétés que la simulation ne peut analyser comme la vivacité, l’inter-blocage, l’atteignabilité …etc.
Le travail de ce mémoire vise à explorer l’utilisation d’un outil formel pour la simulation des files d’attente a fin de rallier les avantages des deux techniques d’analyse.
Notre choix s’est porté sur la logique de réécriture via son langage Maude qui a montré une grande puissance dans la spécification exécutable, la vérification formelle et la simulation algébrique, cette dernière est un axe émergent dans le domaine de l’analyse des systèmes complexes
Note de contenu : Sommaire
Introduction générale 1
Chapitre 1 : analyse et modélisation et analyse des réseaux informatiques
Introduction
1. Notions générales sur la modélisation des systèmes 3
1.1. Définition d’un modèle 3
1.2. L’analyse qualitative et l’analyse quantitative 3
1.3. Outils de la modélisation 3
1.4. Étape d’analyse de performances 4
1.5. Les paramètres de performances d’un réseau 5
2. Files d’attente 5
2.1. Définition des concepts 6
2.2. Notation de Kendall 7
2.3. Caractéristiques d’une file d’attente 8
3. Réseaux de files d’attente 10
3.1. Classification des réseaux de files d’attente 10
3.1.1. RESEAU MONO-CLASSE OUVERT10
3.1.2. RESEAU MONO-CLASSE FERME11
3.1.3. RESEAU MULTI-CLASSE MIXTE11
4. Les différentes approches pour l’évaluation de performances 12
4.1. La technique de mesure 12
4.2. La technique analytique 13
4.3. L’évaluation par simulation 13
4.4. Comparaison des techniques 14
5. Simulation à évènements discrets et les outils de simulation : état de l’art 14
5.1. QNAP(Queuing Network Analysis Package) 15
5.2. SIMSCRIPT II.5 15
5.3. SSJ(Stochastic Simulation in Java) 15
5.4. SLAMSYSTEM(SLAM) 15
5.5. QualNet Developer 15
5.6. NetSim 16
5.7. Open source Network Simulator NS-2 16
5.8. GloMoSim (Global Mobile Simulator) 16
5.9. OMNET++ 16
5.10. P2P Realm 17
5.11. Opnet (Optimized Network Engineering Tool) 17
5.12. AKAROA 17
5.13. GTNetS (Georgia Tech Network Simulator) 17
5.14. MOSEL (Modeling, Specification and Evaluation language) 17
5.15. J-Sim 18
5.16. JiST 18
5.17. Network Simulator NS-3 18
Conclusion 18
Chapitre 2 : La logique de réécriture et le système Maude
Introduction 19
1. La logique de réécriture 19
1.1. Définition de base 20
2. Maude 21
2.1. Les modules fonctionnels 22
2.2. Les modules systèmes 22
2.3. Les modules orientés objet 23
2.4. Exécution de Maude 25
2.5. Les caractéristiques de Maude 25
2.5.1. LA SIMULATION ALGEBRIQUE.26
2.5.2. NIVEAU DE SPECIFICATION DES PROPRIETES26
3. Maude real time 26
3.1. Spécification exécutable 27
Conclusion 28
Chapitre 3 : Etude de cas et implémentation
Introduction 29
1. Etude de cas 29
Introduction générale 1
Introduction 29
1. Etude de cas 29
1.1. Description de la file M/M/1 30
1.2. La simulation à événement discret 31
1.2.1. CARACTERISTIQUES…31
1.2.2. DESCRIPTION GENERAL DU TRAITEMENT DES EVENEMENTS.31
1.3. Réseau de files d’attente 34
2. Spécification de la simulation de la file M/M/1 avec Maude 35
2.1. La liste des événements 35
2.2. Génération des nombres aléatoires 37
2.3. La loi exponentielle d’intervalle de temps entre deux arrivées 38
2.4. La loi exponentielle de temps de service 38
2.5. La classe nœud 39
2.6. Les transitions instantanées du système 41
3. Calcul des résultats estimés par la théorie 44
4. Résultats de la simulation 45
5. Les résultats analytiques 46
6. L’analyse des résultats 47
7. Vérification formelle par Model-Checking 49
Conclusion 50
Conclusion générale 51
Bibliographie 52
Annexe A 56
Annexe B 61
Côte titre : MAI/0008 En ligne : https://drive.google.com/file/d/1HfrNXVmiD-FZ2Eaz3CmLXagqHqyMAY68/view?usp=shari [...] Format de la ressource électronique : docx Analyse de performances des réseaux par la simulation algébrique [texte imprimé] / KIBOUDJ, Merwa ; BOUCHOUL,F, Directeur de thèse . - [S.l.] : Setif:UFA, 2012 . - 1 vol (62f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : modélisation, simulation,évaluation de performances,files d’attente,logique de réécriture,Maude. Index. décimale : 004 Informatique Résumé : Résumé
L'analyse des propriétés des réseaux de communication nécessite souvent le recours à des outils de simulation qui permet l’évaluation des paramètres (indices) de performances du système pour l’améliorer ou valider sa conception. Les réseaux des files d’attente représente le formalisme le plus utilisé dans la modélisation des réseaux de communication. Cependant vu la complexité des réseaux, la vérification formelle semble nécessaire pour prendre en charge certaines propriétés que la simulation ne peut analyser comme la vivacité, l’inter-blocage, l’atteignabilité …etc.
Le travail de ce mémoire vise à explorer l’utilisation d’un outil formel pour la simulation des files d’attente a fin de rallier les avantages des deux techniques d’analyse.
Notre choix s’est porté sur la logique de réécriture via son langage Maude qui a montré une grande puissance dans la spécification exécutable, la vérification formelle et la simulation algébrique, cette dernière est un axe émergent dans le domaine de l’analyse des systèmes complexes
Note de contenu : Sommaire
Introduction générale 1
Chapitre 1 : analyse et modélisation et analyse des réseaux informatiques
Introduction
1. Notions générales sur la modélisation des systèmes 3
1.1. Définition d’un modèle 3
1.2. L’analyse qualitative et l’analyse quantitative 3
1.3. Outils de la modélisation 3
1.4. Étape d’analyse de performances 4
1.5. Les paramètres de performances d’un réseau 5
2. Files d’attente 5
2.1. Définition des concepts 6
2.2. Notation de Kendall 7
2.3. Caractéristiques d’une file d’attente 8
3. Réseaux de files d’attente 10
3.1. Classification des réseaux de files d’attente 10
3.1.1. RESEAU MONO-CLASSE OUVERT10
3.1.2. RESEAU MONO-CLASSE FERME11
3.1.3. RESEAU MULTI-CLASSE MIXTE11
4. Les différentes approches pour l’évaluation de performances 12
4.1. La technique de mesure 12
4.2. La technique analytique 13
4.3. L’évaluation par simulation 13
4.4. Comparaison des techniques 14
5. Simulation à évènements discrets et les outils de simulation : état de l’art 14
5.1. QNAP(Queuing Network Analysis Package) 15
5.2. SIMSCRIPT II.5 15
5.3. SSJ(Stochastic Simulation in Java) 15
5.4. SLAMSYSTEM(SLAM) 15
5.5. QualNet Developer 15
5.6. NetSim 16
5.7. Open source Network Simulator NS-2 16
5.8. GloMoSim (Global Mobile Simulator) 16
5.9. OMNET++ 16
5.10. P2P Realm 17
5.11. Opnet (Optimized Network Engineering Tool) 17
5.12. AKAROA 17
5.13. GTNetS (Georgia Tech Network Simulator) 17
5.14. MOSEL (Modeling, Specification and Evaluation language) 17
5.15. J-Sim 18
5.16. JiST 18
5.17. Network Simulator NS-3 18
Conclusion 18
Chapitre 2 : La logique de réécriture et le système Maude
Introduction 19
1. La logique de réécriture 19
1.1. Définition de base 20
2. Maude 21
2.1. Les modules fonctionnels 22
2.2. Les modules systèmes 22
2.3. Les modules orientés objet 23
2.4. Exécution de Maude 25
2.5. Les caractéristiques de Maude 25
2.5.1. LA SIMULATION ALGEBRIQUE.26
2.5.2. NIVEAU DE SPECIFICATION DES PROPRIETES26
3. Maude real time 26
3.1. Spécification exécutable 27
Conclusion 28
Chapitre 3 : Etude de cas et implémentation
Introduction 29
1. Etude de cas 29
Introduction générale 1
Introduction 29
1. Etude de cas 29
1.1. Description de la file M/M/1 30
1.2. La simulation à événement discret 31
1.2.1. CARACTERISTIQUES…31
1.2.2. DESCRIPTION GENERAL DU TRAITEMENT DES EVENEMENTS.31
1.3. Réseau de files d’attente 34
2. Spécification de la simulation de la file M/M/1 avec Maude 35
2.1. La liste des événements 35
2.2. Génération des nombres aléatoires 37
2.3. La loi exponentielle d’intervalle de temps entre deux arrivées 38
2.4. La loi exponentielle de temps de service 38
2.5. La classe nœud 39
2.6. Les transitions instantanées du système 41
3. Calcul des résultats estimés par la théorie 44
4. Résultats de la simulation 45
5. Les résultats analytiques 46
6. L’analyse des résultats 47
7. Vérification formelle par Model-Checking 49
Conclusion 50
Conclusion générale 51
Bibliographie 52
Annexe A 56
Annexe B 61
Côte titre : MAI/0008 En ligne : https://drive.google.com/file/d/1HfrNXVmiD-FZ2Eaz3CmLXagqHqyMAY68/view?usp=shari [...] Format de la ressource électronique : docx Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0008 MAI/0008 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkAnalyse de sentiment dans les réseaux sociaux, nouvelle stratégie a base d'ensemble de classifieurs / Keddad, walid
PermalinkPermalinkPermalinkPermalinkPermalinkAnalyse des sentiments des commentaires en arabe des lecteurs des journaux en lignes / Rania,Aberkane
PermalinkPermalinkPermalinkPermalink