Une Approche deep learning pour l'analyse des sentiments
| dc.contributor.author | Larbes Abdelkrim | |
| dc.contributor.author | Amrani Okba | |
| dc.contributor.author | Khantoul Bilel | |
| dc.date.accessioned | 2021-11-06T08:01:32Z | |
| dc.date.available | 2021-11-06T08:01:32Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Aujourd'hui, l'analyse des sentiments a une grande importance dans plusieurs domaines comme la politique, la production, le sport et les services. Actuellement, les réseaux sociaux pleins de textes et de commentaires dans lesquelles les internautes s'expriment en différents sujets, l'intérêt de leurs opinions est considérable, où la compréhension du contenu véhiculé par ces textes est un élément essentiel. On peut dire que le bon gestionnaire ce qui écoute bien les opinions des citoyens. Dans ce sens-là, l'analyse de sentiments est très importante pour satisfaire les besoins des citoyens. Dans ce travail, nous avons proposé un modèle qui permet d'analyser et classifier un ensemble des tweets dans une base de données déjà testée (IMBD) en utilisant des algorithmes d'apprentissage automatique et d'apprentissage profond. | ar |
| dc.identifier.uri | http://hdl.handle.net/123456789/11174 | |
| dc.language.iso | fr | ar |
| dc.publisher | Université de Larbi Ben M’hidi-Oum Oum El Bouaghi | ar |
| dc.subject | Réseaux de neurones | ar |
| dc.subject | Apprentissage automatique | ar |
| dc.subject | Analyse des sentiments | ar |
| dc.title | Une Approche deep learning pour l'analyse des sentiments | ar |
| dc.type | Other | ar |