Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/22453
Full metadata record
DC FieldValueLanguage
dc.contributor.authorChanane, Abir-
dc.contributor.authorCherouat, Manel-
dc.contributor.authorZahra, Fatma Zohra ( Promotrice)-
dc.date.accessioned2023-03-12T10:50:14Z-
dc.date.available2023-03-12T10:50:14Z-
dc.date.issued2022-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/22453-
dc.descriptionill., Bibliogr. Cote: ma-004-906fr_FR
dc.description.abstractComme toute technologie, les services Web suscitent beaucoup d'intérêt et promettent beaucoup d'avantages. Ils fournissent des fonctionnalités accessibles via des protocoles réseau standard, et pour organiser un ensemble de services web selon des critères de classe et de similitude fonctionnelle, nécessitant le processus de classification des services Web. Elle peut permettre de faciliter, d’optimiser, d’automatiser l’efficacité et l’efficience des processus de découverte. Ce travail consiste à classifier automatiquement les services web en plusieurs catégories par un modèle d’apprentissage automatique profond. En effet, Nous avons utilisé Word2Vec qui est un ensemble de modèles d'intégration pour convertir le mot en un vecteur, Nous avons également utilisé les Auto-encodeurs adaptés à la classification. Le modèle de classification des web services proposé était testé sur le jeu de données disponible et les résultats ont montré son efficacité par rapport certaines solutions proposées dans la littérature. Mots clés: Service web, Classification, Apprentissage profond, Auto-encodeur, Word2Vec, Apprentissage automatique.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectService webfr_FR
dc.subjectClassificationfr_FR
dc.subjectApprentissage profondfr_FR
dc.subjectAuto-encodeurfr_FR
dc.subjectWord2Vecfr_FR
dc.subjectApprentissage automatiquefr_FR
dc.titleClassification Des Services Web en utilisant L’apprentissage Automatiquefr_FR
dc.typeThesisfr_FR
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Chanane Abir et Cherouat Manel.pdf3,21 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.