Browsing by Author "Guerram, Tahar"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
Item Classification automatique des textes par les réseaux de neurones à convolution(Université Oum El Bouaghi, 2019) Malki, Narimene; Guerram, TaharLe travail présenté dans ce mémoire est de réaliser une application qui nous permet de faire une classification du texte en utilisant les réseaux de neurones à convolution. Pour ce faire, une base de données qui comporte des textes est préalablement créée puis on effectuera un traitement qui convertit le texte en type numérique (codification) qui nous permettra de procéder à un apprentissage CNN et finalement valider le modèle de connaissance obtenu.Item Extraction automatique des relations à partir de donneés textuelles(Université Oum El Bouaghi, 2018) Chaoui, Mohamed Borhane Eddine; Guerram, TaharL'extraction de relations entre entités nommées (EN) est une opération importante pour de nombreuses applications et de nombreuses études ont été proposées dans différents environnements de travail tels que la conception de système de questions-réponses, l'extraction d'informations, l'extraction de réseaux sociaux et la construction d'ontologies automatiques. Dans cette thèse, nous présentons une comparaison entre trois méthodes d'extraction de relations sémantiques: la méthode supervisée, la méthode semi-supervisée et la méthode non supervisée. Cette comparaison est effectuée sur la base des critères suivants: la longueur du texte, le temps d'exécution et le nombre de relations extraites. Le domaine choisi de l'application de ces méthodes est le domaine de l'informatique. En fonction des résultats obtenus, la méthode non supervisée a donné de très bons résultats car elle ne repose pas sur l'utilisation de clients. D'autre part, cette méthode a un temps d'exécution élevé par rapport aux autres méthodes en raison de son algorithme compliqué.Item Planification multi agents probabilité(Université Oum El Bouaghi, 2012) Benzitoune, Hamza; Guerram, TaharCe mémoire est organisé en quatre chapitres. Dans le premier, nous introduisons les notions liées aux problèmes de planification d'horaires de travail et les différentes techniques algorithmiques pour résoudre les problèmes de grandes classes de complexité avec un aperçu des méthodes utilisées pour la réalisation de ces plannings. Dans le deuxième chapitre, nous décrivons les systèmes multi agents et le problème de planification multi agents. Dans le troisième chapitre, nous décrivons notre conception d'une manière détaillée. Le quatrième chapitre traitera l'aspect de l'implémentation de notre application. Finalement, une conclusion générale permettra de faire le bilan de notre travail et d'y proposer quelques extensions comme travaux futurs.Item Un outil d'extraction automatique de concepts à partir de donnée textuelles(Université Oum El Bouaghi, 2018) Bouhalassa, Faiza; Mellal, Nassima; Guerram, TaharL'enrichissement automatique ou semi-automatique d'ontologies à partir de textes est généralement basé sur le texte proprement dit, et le domaine lié au contenu du texte. Mais le passage, du texte à une ontologie sémantiquement plus riche, nécessite de franchir plusieurs étapes. Dans une première étape. Nous avons appliqué des techniques d'analyse de textes (TALN) afin de simplifier le texte brut en un ensemble de phrase simples, chacune est représentée sous forme de triplet de termes SVO (Sujet, Verbe, Objet) supposés porteurs de l'information des phrases dont ils sont extraits. Dans une seconde étape, les phrases simples de type SVO générées sont placées comme concepts/relations dans les bons endroits de l'ontologie, une tâche qui n'est pas du tout facile, car on doit prendre en considération les liens sémantiques entre les concepts et les relations tels que l'hyperonymie et l'hyponymie. Pour ce faire, L'ontologie Word Net est utilisée. La troisième et la dernière étape consiste à vérifier la consistance de l'ontologie enrichie. Le domaine de l'ontologie est la " Phytothérapie ". Cette ontologie aide l'utilisateur final à la reconnaissance des plantes médicinales ; facilite l'interrogation, la recherche des remèdes naturels aux différentes maladies ;…Item Un Outil de Deep Learning pour les données textuelles(Univérsité Oum El Bouaghi, 2020) Gridi, Adel; Guerram, TaharLe travail présenté dans ce mémoire est de réaliser une application qui nous permet de faire une classification du texte en utilisant les réseaux de neurones à convolution. Pour ce faire, une base de données qui comporte des textes est préalablement créée puis on effectuera un traitement qui convertit le texte en type numérique (codification) qui nous permettra de procéder à un apprentissage CNN et finalement valider le modèle de connaissance obtenu.