Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/40
Full metadata record
DC FieldValueLanguage
dc.contributor.authorABBI, SAlim DIaeddine-
dc.contributor.authorDAOU, ARras-
dc.date.accessioned2022-03-28T09:12:44Z-
dc.date.available2022-03-28T09:12:44Z-
dc.date.issued2021-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/40-
dc.descriptionM.BENDAOUAD Fayssal Encadreuren_US
dc.description.abstractÀ mesure que le contenu en ligne continue de croître, la propagation du discours de haine augmente également. Nous identifions et examinons les défis rencontrés par les méthodes automatisées pour détecter les discours de haine dans des texte. Parmi ces difficultés figurent des subtilités de langage, des définitions différentes de ce qui constitue le discours de haine et les limites de la disponibilité des données pour la formation et le test de ces systèmes. De plus, de nombreuses méthodes plus récentes présentent des problèmes d'interprétabilité, ce qui signifie qu'elles peuvent avoir des difficultés à comprendre pourquoi le système prend les décisions qu'elles prennent. Nous proposons une approche en utilisant les « Réseau de neurones récurrents » qui atteint des performances proches de l'état de l'art, tout en étant plus simple et plus facile à produire des décisions interprétables que les autres méthodes neuronales ou bien d’autre approche Machine Learning. Nous avons également discuté des défis techniques et pratiques qui existent encore pour cette tâche.en_US
dc.language.isoenen_US
dc.title« Fake news » and « Hate speech » detection on social media using Machine learning and Deep learningen_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
MEMOIRE MASTER DAOU - ABBI(1)Final.pdf218,69 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.