Suivre les rumeurs dans les réseaux sociaux
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
The emergence of the Internet has transformed global communications,
making information accessible at unprecedented speeds. With the emergence of
social media, people can now connect, share and interact immediately with a
variety of content. However, the ease with which information can be exchanged
also facilitates the rapid spread of unverified rumors and false information. In
this work, we aim to track and detect rumors, and to this end, we will present a
model based on a deep learning approach using LSTM and RNN algorithms in
order to obtain the best possible classification and more accurate and valid
results.
Description
Le contrôle des rumeurs est l'un des principaux défis de l'ère de l'information
numérique où les rumeurs peuvent se propager rapidement et affecter la société de manière
significative.
Ce projet de fin d’études présente une méthode de suivi et de détection des rumeurs
dans les sites de médias sociaux en utilisant des approches d'apprentissage automatique et
d'apprentissage profond.
Dans le premier chapitre, nous avons étudié les réseaux sociaux, les rumeurs et leurs
caractéristiques. Le deuxième chapitre, nous avons parlé de l'apprentissage automatique et de
l'apprentissage profond, des algorithmes utilisés et des différences entre eux. Le troisième
chapitre, nous avons parlé de la conception du système, en décrivant l'architecture générale et
l'architecture détaillée, qui est le traitement initial des textes dans la base de données et
l'apprentissage pour la formation du système. Puis, la phase de test. Enfin, dans le dernier
chapitre, nous avons commencé par définir quelques concepts sur les moyens utilisés, puis
nous avons décrit les modèles développés en se basant sur les algorithmes RNN, LSTM et
Naïve Bayes et expliqué les résultats obtenus. En plus, faire une comparaison entre les
performances de ces modèles
Keywords
ey words: Social networks, Rumor Tracking, Deep Learning, Machine Learning.