![Photo bandeau superieur](https://buc.univ-saida.dz/admin/opac_css/temp/cms_vign/buce/large/section79.jpeg)
Titre : | R ECURRENT N EURAL N ETWORKS (RNN) POUR E MPECHER LA P ROPAGATION DE L' IMPACT P SYCHOLOGIQUE DU C OVID 19 VIA LES R ESEAUX S OCIAUX |
Auteurs : | D. HADJ AHMED BOUARARA, Directeur de thèse ; D JAADANE M OHAMED EL-A MINE, Auteur ; M IMOUN A BD E LFETTAH, Auteur |
Type de document : | texte imprimé |
Editeur : | Algèrie:unv saida-Dr Moulay Tahar, 2020-2021 |
Format : | 55p. / 29cm |
Accompagnement : | CD |
Note générale : | Bibliographie |
Langues: | Français |
Catégories : | |
Mots-clés: | Covid-19, Deep Learning, Machine Learning, Long Short-Term Memory(LSTM), Recurrent Neural Networks (RNN). |
Résumé : |
Les sociologues et les psychologues s’intéressent à comprendre comment les gens expriment leurs émotions et leurs sentiments face à des événements catastrophiques tels que les catas- trophes naturelles, les troubles politiques et le terrorisme. La pandémie de COVID-19 est un événement catastrophique qui a soulevé un certain nombre de problèmes psychologiques tels que la dépression en raison de changements sociaux brusques et du manque d’emploi. Les progrès des modèles linguistiques basés sur l’apprentissage en profondeur ont été prometteurs pour l’analyse des sentiments avec des données provenant de réseaux sociaux tels que Twitter où les gens ont exprimé leurs sentiments ,Cela peut fournir une compréhension approfondie de la psychologie humaine lors d’événements catastrophiques. Dans cet article, nous présentons un cadre qui utilise des différents modèles de deep learning via des réseaux de neurones récurrents à un réseau Long short-term memory (LSTM) pour l’analyse des sentiments lors de la montée de nouveaux cas de COVID-19. Notre cadre utilise une classification des sentiments multi-étiquettes où plusieurs sentiments peuvent être exprimés à la fois. Nos résultats indiquent que la majorité des tweets ont été positifs avec des niveaux élevés d’optimisme lors de la montée des nouveaux cas de COVID-19 et que le nombre de tweets a considérablement diminué vers le pic. Nous constatons que les tweets optimistes, agacés et plaisants dominent principalement les tweets mensuels avec une portion beaucoup plus faible de sentiments négatifs. Les prédictions indiquent généralement que bien que la majorité ait été optimiste, un groupe important de la population a été agacé par la manière dont la pandémie a été gérée par les autorités. |
Note de contenu : |
1-I NTRODUCTION GÉNÉRALE 2-covid - 19 état de l’art 3-Apprentissage profond (deep learning ) 4-résultats expérimentations et comparaisons |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
TECT06464 | T.I.MS00615 | Périodique | Ouvrages | 27 | Libre accès Disponible |