Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/7121
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorZerrouki, Hammeme-
dc.contributor.authorHamdad, Adel-
dc.date.accessioned2020-12-02T09:40:15Z-
dc.date.available2020-12-02T09:40:15Z-
dc.date.issued2020-09-24-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/7121-
dc.descriptionill., Bibliogr.fr_FR
dc.description.abstractLes réseaux sociaux représentent aujourd’hui un moyen de communication incontournable. Cependant, ils peuvent également être une source fiable pour diffuser les nouvelles et de la propagande dans le monde dans différentes langues, notamment la langue Anglaise. En effet, certains utilisateurs créent actuellement des comptes pour diffuser des contenus abusifs. En effet, ce langage abusif est interdit et la détection automatique d’un tel langage est un défi majeur à surmonter. Notre recherche suggère l'un des programmes de base du traitement automatique de la langue. Dans ce travail nous avons utilisé l’apprentissage automatique et profond afin de proposer un programme de détection automatique de langage abusif dans les postes en langue Anglaise sur Twitter. La solution proposée permet de détecter et de classifier un poste abusif selon cinq différents algorithmes et l’analyse des résultats obtenus sur un Dataset constitué à partir d’un scrapping sur Twitternous a permisde déterminer l’algorithme le plus précis selon f-score et la complexité temporelle. Mots Clés : Analyse des Réseaux Sociaux, Détection de Langage Abusif, Classification Automatique, Apprentissage Automatique, Apprentissage Profond.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectAnalyse des Réseaux Sociauxfr_FR
dc.subjectDétection de Langage Abusiffr_FR
dc.subjectClassification Automatiquefr_FR
dc.subjectApprentissage Automatiquefr_FR
dc.subjectApprentissage Profondfr_FR
dc.titleDétection du Langage Agressif dans les Posts des Utilisateurs sur les Réseaux Sociauxfr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Zerrouki Hammeme et Hamdad Adel.pdf2,36 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.