| Titre : | Tweet sentiment analysis based on Grey Wolves Optimizer (GWO) |
| Auteurs : | Mekkaoui Kheireddine, Directeur de thèse ; Rezig Abderrahmane Abedlmounaim, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2020-2021 |
| Format : | 83 p / ill / 29 cm |
| Accompagnement : | CD rom |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Réseaux sociaux ; Analyse des sentiments ; Data mining ; Traitement automatique du langage naturel ; Méta-heuristiques ; Bio-inspiration. |
| Résumé : |
Le suicide est un problème de santé publique insoluble malgré les progrès réalisés dans le diagnostic et le traitement des troubles mentaux majeurs. Un domaine en pleine croissance est le développement de technologies de dépistage du suicide par l’accès et l’analyse des données des médias sociaux. Des études antérieures ont montré que les jeunes sont susceptibles de divulguer des pensées suicidaires et des facteurs de risque suicidaires en ligne et sur les médias sociaux. De plus, l’expression en ligne de détresse et de suicidalité peut ne pas être divulguée aux médecins. Il n’est pas clair dans quelle mesure ces expressions en ligne sont comparables au risque suicidaire tel qu’il est obtenu par les médecins. Cependant, certaines études montrent une corrélation entre les pensées suicidaires exprimées en ligne et le risque suicidaire évalué de manière psychométrique. Ici, nous développons une approche d’apprentissage automatique basée sur les données de Twitter qui prédit le risque suicidaire futur au niveau individuel sur la base des données des médias sociaux en ligne avant toute mention de pensée suicidaire. L’objectif principal de ce travail est d’utiliser l’analyse des sentiments et les techniques de traitement du langage naturel pour contribuer à la détection des idées suicidaires, notre travail vise à fournir un moyen efficace de détecter Notre approche est basée sur un modèle Uni-Gram, Bi-Gram et Tri-Gram et des caractéris- tiques sentimentales ainsi qu’une optimisation bio-inspirée. |
| Note de contenu : |
-Data Mining -State of the art on bio-inspired methods applied to tweet sentiment analysis -Proposed Approach -Experiments and results - |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
Tweet sentiment analysis based on Grey Wolves Optimizer (GWO) Adobe Acrobat PDF |
