| Titre : | Analyse des sentiments : Détection du discours de haine et du langage offensant |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2020 |
| Format : | 111p / ill / 29 cm |
| Accompagnement : | CD ROM |
| Note générale : |
Réseaux sociaux, Analyse des sentiments, Data mining, Traitement automatique du langage naturel, Méta-heuristiques, Bio-inspiration. i |
| Langues: | Français |
| Résumé : |
Avec le développement du Web et la croissance rapide des réseaux sociaux, la com- munication entre des personnes issues de milieux culturels et psychologiques différents est devenue plus directe, de plus l’anonymat et la flexibilité offerts par Internet ont facilité la communication agressive des utilisateurs, entraînant de plus en plus de conflits entre ces per- sonnes. Ainsi, le contenu toxique en ligne est devenu un problème majeur dans le monde d’aujourd’hui, au point qu’il est devenu un grave problème d’envahissement de ces espaces ouverts. Alors que la plupart des réseaux sociaux et des microblogs en ligne interdisent l’utilisation du discours de haine, la taille des données circulant sur ces réseaux et sites Web rend presque im- possible le contrôle de tout leur contenu. Par conséquent, le besoin de méthodes évolutives et automatisées de détection d’un tel discours et de filtrer tout contenu présentant un caractère haineux a considérablement augmenté. Un défi clé pour la détection automatique du contenu toxique sur les réseaux sociaux est la séparation du discours de haine des autres cas de langage offensant, vulgaire ou abusif. Les méthodes lexicales de détection ont tendance à être de faible précision car elles classent tous les messages contenant certains termes comme discours de haine. C’est ce qui nous pousse à porter plus d’attention aux méthodes automatique basé sur la fouille de données et la re- cherche d’information. L’objectif principal de ce travail est d’utiliser l’analyse des sentiments et les techniques de trai- tement du langage naturel pour contribuer à la détection du discours de haine, notre travail vise à proposer un moyen efficace de détecter à la fois les discours de haine et de les distin- guer des autres messages offensants.Notre approche repose sur un modèle unigrammes et des caractéristiques sentimentales ainsi que sur une optimisation bio-inspiré. |
| Note de contenu : |
-Recherche d’information et Data mining -Métaheuristiques et Bio-Inspiration -Analyse des sentiments et détection du discours de haine dans les réseaux sociaux -Expérimentations et résultats -Conclusion générale |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT06157 | T.I.MS00567 | Périodique | Ouvrages | 27 | Libre accès Disponible |
