Dépôt Institutionnel de l'Université BBA

Manipulation des ensembles de données multilingues pour l’analyse des sentiments

Afficher la notice abrégée

dc.contributor.author GUEBLA Borhane Eddine
dc.contributor.author TAIBI Mouloud
dc.date.accessioned 2023-09-18T08:38:10Z
dc.date.available 2023-09-18T08:38:10Z
dc.date.issued 2023
dc.identifier.issn MM/741
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/3904
dc.description.abstract L'objectif principal de ce mémoire est de prévoir les manifestations publiques à l'aide d'algorithmes d'apprentissage par transfert, apprentissage automatique et d'attributs recueillis à partir des données des médias sociaux. Nous nous concentrons notamment sur l'affaire "Hirak", qui a débuté en Algérie en février 2019. L'objectif sera également de fournir un modèle de prédiction basé sur des techniques de catégorisation pour prévoir les manifestations majeures en utilisant les informations des canaux de médias sociaux publics de Twitter. Afin d'atteindre les objectifs susmentionnés, nous présentons un aperçu méthodologique de quatre techniques de classifications fondamentales d'apprentissage par transfert, apprentissage automatique et comparons leurs performances dans la catégorisation des tweets de protestation. Dans l'ensemble, nous avons obtenu des performances de classification modérées à bonnes, avec des valeurs d'exactitude allant de 0,50 à 0,75. Cela suggère que les méthodes et les algorithmes utilisés peuvent fournir des résultats significatifs dans la tâche de classification. The main objective of this thesis is to predict public protests using transfer learning , machine learning and attribute algorithms gathered from social media data. We focus in particular on the "Hirak" case, which began in Algeria in February 2019. The aim will also be to provide a prediction model based on categorization techniques to predict major protests using information from Twitter's public social media channels. In order to achieve the above-mentioned objectives, we present a methodological overview of four fundamental transfer learning , machine learning classification techniques and compare their performance in the categorization of protest tweets. Overall, we achieved moderate to good classification performance, with accuracy values ranging from 0.50 to 0.75. This suggests that the methods and algorithms used can provide significant results in the classification task .الهدف الرئيسي من هذه الأطروحة هو التنبؤ بالاحتجاجات العامة باستخدام التعلم الانتقالي والتعلم الآلي وخوارزميات السمات التي تم جمعها من بيانات وسائل التواصل الاجتماعي. نركز بشكل خاصعلى قضية "الحراك" التي بدأت في الجزائر في فبراير 2019 . سيكون الهدف أيضًا هو توفير نموذج تنبؤ يعتمد على تقنيات التصنيف للتنبؤ بالاحتجاجات الكبرى باستخدام من أجل تحقيق الأهداف المذكورة أعلاه ، بشكل عام حققنا أداء .Twitter معلومات من قنوات التواصل الاجتماعي العامة على تصنيف متوسط إلى جيد، مع قيم دقة تتراوح من 0.50 إلى 0.75 . يشير هذا إلى أن الأساليب والخوارزميات المستخدمة يمكن أن توفر نتائج مهمة في مهمة التصنيف en_US
dc.language.iso fr en_US
dc.publisher UNIVERSITY BBA en_US
dc.subject "Hirak" en_US
dc.title Manipulation des ensembles de données multilingues pour l’analyse des sentiments en_US
dc.type Thesis en_US


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée

Chercher dans le dépôt


Recherche avancée

Parcourir

Mon compte