Résumé:
Les réseaux sociaux tels que Twitter et Facebook ne sont pas utilisés seulement pour la communication, mais ils sont aussi utilisés pour prédire le crime. Le crime est défini comme un acte nuisible non seulement à la personne concernée, mais aussi à la communauté dans son ensemble. Dans ce contexte, ce mémoire se concentre sur l'analyse des sentiments des tweets afin de trouver des détails sur un crime donné et plus précisément sur la prévention de suicide via Twitter
Dans notre travail, nous avons utilisé une méthode d'apprentissage supervisé, la méthode de K plus proche voisin(KNN) pour classer les tweets en deux classes : tweets suspects risque de suicide et tweets suspects non risque de suicide. Nous avons suivi les étapes suivantes : la conceptualisation et l'implémentation d'une base de données ; Définition et stockage dans la base de données d'un vocabulaire lié à la problématique du suicide ; Collecte et stockage des tweets suspects (comportant un élément du vocabulaire défini auparavant); Mise en place d'un outil de classification automatique et évaluation du classifieur sur les tweets suspects
collectés auparavant.
Mots clés : Twitter, Crime, Suicide, Analyse des sentiments, K plus proche voisin, IBK, Classification supervisée, Weka.
