Dépôt DSpace/Université Larbi Tébessi-Tébessa

Une méthode intelligente pour la détection et la classification des opinions

Afficher la notice abrégée

dc.contributor.author Leyla, Boalleg
dc.date.accessioned 2021-12-01T10:00:48Z
dc.date.available 2021-12-01T10:00:48Z
dc.date.issued 2021
dc.identifier.uri http//localhost:8080/jspui/handle/123456789/789
dc.description.abstract La fouille d'opinion ou l'analyse des sentiments est un domaine qui étudie la polarité des opinions à partir de textes. C'est l'un des domaines de recherche actif à se focalise sur l'heure actuelle, et ce en raison de l'essor des médias sociaux, où il est devenu facile d'exprimer et d'échanger des opinions. A travers se support cependant, le problème demeure de savoir comment analyser et évaluer ces opinions. Vu que les analyses manuellement prennent du temps, voire est impossible, les chercheurs ont essayé le trouver des solutions qui aident à analyser ces opinions automatiquement et parmi ces solutions L'apprentissage profond. L'apprentissage profond joue un rôle important dans l'avancement de ces recherches. Dans ce travail, nous proposons un modèle d'apprentissage en profondeur basé sur des réseaux de neurones convolutifs pour analyser les opinions arabes à l'aide d'un ensemble de données d’opinion d’Hôtel, oùLes résultats ont atteint une précision de 66%. en_US
dc.description.sponsorship Dr. Amroune Mohamed en_US
dc.language.iso fr en_US
dc.publisher Universite laarbi tebessi tebessa en_US
dc.subject البحث عن الراي،تحليل المشاعر،معالجة اللغة الطبيعية،التعلم العميق،الشبكات العصبية التلففية،الشبكات ا لعصبية المتكررة en_US
dc.subject La fouille d'opinion, Analyse des sentiments, Traitement du langage naturel, Apprentissage profond, Réseaux de neurones convolutifs, Réseaux de neurones récurrents en_US
dc.subject Opinion mining, Sentiment analysis, Natural Language processing, Deep learning, Convolutional neural networks, Recurrent neural networks. en_US
dc.title Une méthode intelligente pour la détection et la classification des opinions 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