Dépôt Institutionnel de l'Université BBA

Extraction des règles d’association à partir du texte

Afficher la notice abrégée

dc.contributor.author CHARIF Khier
dc.contributor.author SOUALEM Charifa
dc.date.accessioned 2023-09-14T12:27:51Z
dc.date.available 2023-09-14T12:27:51Z
dc.date.issued 2023
dc.identifier.issn MM/752
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/3888
dc.description.abstract Ce mémoire présente une application d'extraction de règles d'association à partir de données textuelles en utilisant deux méthodes. La première méthode utilise l'algorithme traditionnel Apriori avec CountVectorizer. La deuxième méthode combine TF-IDF avec les algorithmes Apriori et FP-Growth pour donner la priorité aux termes importants. Des évaluations expérimentales sont réalisées pour comparer l'efficacité de ces méthodes dans l'extraction de règles d'association. Les résultats sont analysés et discutés, en fournissant des aperçus sur les performances de chaque approche. This memory presents an application of extracting association rules from textual data using two methods. The first method utilizes the traditional Apriori algorithm with CountVectorizer. The second method combines TF-IDF with the Apriori and FP-Growth algorithms to prioritize important terms. Experimental evaluations are conducted to compare the effectiveness of memory methods in extracting association rules. The results are analyzed and discussed, providing insights into the performance of each approach. هذه المذكرة تقدم تطبيقًا لاستخراج قواعد الارتباط من البيانات النصية باستخدام طريقتين. تستخدم الطريقة الأولى خوارزمية Apriori التقليدية بواسطة CountVectorizer . تجمع الطريقة الثانية بين TF-IDF وخوارزميات Apriori و FP-Growth لإعطاء الأولوية للمصطلحات المهمة. يتم إجراء تقييمات تجريبية لمقارنة فعالية هذه الطرق في استخراج قواعد الارتباط. يتم تحليل ومناقشة النتائج، وتوفير رؤى حول أداء كل نهج. en_US
dc.language.iso fr en_US
dc.publisher UNIVERSITY BBA en_US
dc.subject Extraction de règles d'association, Données textuelles, Apriori, CountVectorizer, TF-IDF, FP-Growth en_US
dc.subject Association rule extraction, Textual data, Apriori, CountVectorizer, TF-IDF, FP-Growth en_US
dc.subject استخراج قواعد الارتباط، البيانات النصية، Apriori ، CountVectorizer ، TF-IDF ، FP-Growth . en_US
dc.title Extraction des règles d’association à partir du texte 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


Parcourir

Mon compte