CATEGORISATION DES TEXTES PAR DEEP LEARNING

BEN DIB, ASSIA; MEBARKI, OUSSAMA

→
Faculté des mathématiques et de l'informatique
→
Master Informatique
→
Voir le document

dc.contributor.author	BEN DIB, ASSIA
dc.contributor.author	MEBARKI, OUSSAMA
dc.date.accessioned	2023-02-01T12:30:12Z
dc.date.available	2023-02-01T12:30:12Z
dc.date.issued	2022-09
dc.identifier.issn	MM/735
dc.identifier.uri	https://dspace.univ-bba.dz:443/xmlui/handle/123456789/3285
dc.description.abstract	Comme la plupart des informations (plus de 80 %) sont stockées sous forme de texte, on pense que le text mining a une valeur commerciale élevée. Les connaissances peuvent être découvertes à partir de nombreuses sources d’information Pourtant, les textes non structurés restent la plus grande source de connaissances facilement accessible. Classification de texte qui classe les documents selon des catégories prédéfinies. Dans cette thèse, nous essayons d’appliquons l’un des model performant d’apprentissage profond qui est le réseau de neurone (RNA) sur un jeu de donné textuel pour résoudre les problèmes de classification des textes.	en_US
dc.language.iso	fr	en_US
dc.publisher	Université de Bordj Bou Arreridj Faculty of Mathematics and Computer Science	en_US
dc.subject	text mining, Machine Learning, réseau de neurone, d’apprentissage profond	en_US
dc.subject	Since most information (over 80%) is stored as text, text mining is believed to have high commercial value. Knowledge can be discovered from many sources of information. Yet, unstructured texts remain the greatest easily accessible source of knowledge. Text classification that classifies documents according to predefined categories. In this thesis, we try to apply one of the powerful Deep Learning models, which is the neural network (RNA) on a textual data set to solve text classification problems.	en_US
dc.title	CATEGORISATION DES TEXTES PAR DEEP LEARNING	en_US
dc.type	Thesis	en_US