Résumé:
Le texte offensant est omniprésents dans les réseaux sociaux, faire face à ce genre de
comportements abusifs est devenu de plus en plus urgent, un des défis majeurs pour le monde
informatique.
En se basant sur le corpus qui nous a été fourni nous avons eu affaires à des textes (des
commentaires extraits de Twitter) écrits en deux langues (Arabe et Anglais). Notre travail
vise à la mise en œuvre d’un système utilisant les techniques de classification supervisées en
s’appuyant sur des méthodes de l’apprentissage automatique du domaine d’intelligence
artificielle et du traitement automatique de la langue en particulier, comme la machine
learning et le deep learning, afin de pouvoir arriver justement à identifier ce genre de textes,
en l’occurrence. Les textes offensants selon ces critères : Offensant ou pas, ciblé ou pas, vers
un individu ou vers un group ou ni l’un ni l’autre, en ce qui concerne la partie Arabe nous
avons traité seulement le premier niveau ( Offensant ou pas ) .
Après avoir effectué les tests et les comparer à plusieurs niveaux, nous avons obtenu
des résultats sur lesquels nous avons constaté que LSTM était le meilleur dans notre cas pour
l’apprentissage automatique (Machine learning), du même pour l’apprentissage profond
(Deep learning) nous avons constaté que LSTM était le meilleur.
Mots clés :
Réseaux sociaux, textes offensants, classification, Supervisé, Apprentissage .
