|
| Titre : | Détection des discours de haine et de langage offensant dans les réseaux sociaux. | | Type de document : | theses et memoires | | Auteurs : | Sarah Mehreb ; Saadi Lamia ; Ahmed Ouamer, Directeur de thèse | | Editeur : | Tizi Ouzou : U.M.M.T.O. - F.G.E.I. | | Année de publication : | 2022 | | Importance : | 117 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr . | | Langues : | Français | | Mots-clés : | Détection de messages de haine Techniques d'apprentissage Apprentissage automatique Deep Learning Réseaux sociaux. | | Résumé : | L'une des promesses des plateformes de média sociaux telle que Twitter et Facebook est de fournir aux utilisateurs un endroit sûr pour partager leurs opinions et leurs informations. Cependant, l'augmentation des abus, tels que la présence de harcèlements en ligne ou de discours de haine, est bien réelle. Dans ce mémoire, nous nous concentrons sur le discours de haine, l'un des phénomènes les plus inquiétants associés aux réseaux sociaux. Compte tenu de sa forte progression et de son impact négatif important, les institutions, les plateformes de média sociaux et les chercheurs tentent tous de réagir le plus rapidement possible.
Les progrès récents des algorithmes de traitement du langage naturel (TAL) et d'apprentissage automatique (ML) peuvent être utilisés pour développer des méthodes de détection automatique des discours de haine dans ce domaine.
Le but de ce sujet est d'étudier la problématique du discours de haine et la détection du langage offensant dans les réseaux sociaux. Nous proposons une approche qui reconnaît les messages d'incitation à la haine, grâce aux techniques de l'apprentissage automatique et profond permettant de classer les messages détectés comme haineux selon diverses catégories : discours de haine, offensant, raciste (xénophobe), obscène, insulte, menace, etc.
L'approche développée a été évoluée sur trois datasets :
- Le premier est constitué d'un ensemble de tweets en langue anglaise.
- Le second jeu de données est formé d'un ensemble de commentaires en langue arabe issue de la plateforme AlJazeera.
- Le troisième jeu de données est de type multi labels. Les résultats obtenus sont très satisfaisants et montrent la faisabilité de notre approche de détection des messages de haine basées sur les techniques de l'apprentissage automatique et profond. | | En ligne : | D:\CD.THESE.2022\MASTER.INF\MEHAREB S.; SAADI L..PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36791 |
Détection des discours de haine et de langage offensant dans les réseaux sociaux. [theses et memoires] / Sarah Mehreb ; Saadi Lamia ; Ahmed Ouamer, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : U.M.M.T.O. - F.G.E.I., 2022 . - 117 p. : ill. ; 30 cm. Bibliogr . Langues : Français | Mots-clés : | Détection de messages de haine Techniques d'apprentissage Apprentissage automatique Deep Learning Réseaux sociaux. | | Résumé : | L'une des promesses des plateformes de média sociaux telle que Twitter et Facebook est de fournir aux utilisateurs un endroit sûr pour partager leurs opinions et leurs informations. Cependant, l'augmentation des abus, tels que la présence de harcèlements en ligne ou de discours de haine, est bien réelle. Dans ce mémoire, nous nous concentrons sur le discours de haine, l'un des phénomènes les plus inquiétants associés aux réseaux sociaux. Compte tenu de sa forte progression et de son impact négatif important, les institutions, les plateformes de média sociaux et les chercheurs tentent tous de réagir le plus rapidement possible.
Les progrès récents des algorithmes de traitement du langage naturel (TAL) et d'apprentissage automatique (ML) peuvent être utilisés pour développer des méthodes de détection automatique des discours de haine dans ce domaine.
Le but de ce sujet est d'étudier la problématique du discours de haine et la détection du langage offensant dans les réseaux sociaux. Nous proposons une approche qui reconnaît les messages d'incitation à la haine, grâce aux techniques de l'apprentissage automatique et profond permettant de classer les messages détectés comme haineux selon diverses catégories : discours de haine, offensant, raciste (xénophobe), obscène, insulte, menace, etc.
L'approche développée a été évoluée sur trois datasets :
- Le premier est constitué d'un ensemble de tweets en langue anglaise.
- Le second jeu de données est formé d'un ensemble de commentaires en langue arabe issue de la plateforme AlJazeera.
- Le troisième jeu de données est de type multi labels. Les résultats obtenus sont très satisfaisants et montrent la faisabilité de notre approche de détection des messages de haine basées sur les techniques de l'apprentissage automatique et profond. | | En ligne : | D:\CD.THESE.2022\MASTER.INF\MEHAREB S.; SAADI L..PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36791 |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesDétection des discours de haine et de langage offensant dans les réseaux sociaux. / Sarah Mehreb (2022)
