Mise en oeuvre de l'apprentissage profond pour la détection de Fake News
| dc.contributor.author | Azzi Souad | |
| dc.contributor.author | Boudjemai Lamia | |
| dc.contributor.other | Sadi Samy | |
| dc.date.accessioned | 2021-02-28T10:31:23Z | |
| dc.date.available | 2021-02-28T10:31:23Z | |
| dc.date.issued | 2018 | |
| dc.description | 71 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Le terme Fake News (ou fausses informations) désigne des informations qui souvent sont volontairement truquées. Les Fake News ont toujours existées et ont aujourd'hui beaucoup d'impact à cause notamment de la généralisation des réseaux sociaux. Sur ces réseaux tout le monde peut diffuser une information sans obligation de la vérifier. Ainsi, les Fake news sont rapidement devenu un problème majeur sur l'internet. Pour faire face à la charge croissante de ce type d'information, plusieurs techniques de détection ont vu le jour. Dans ce mémoire, nous nous intéressons aux techniques à base de l'apprentissage automatique, mais plus particulièrement celles basées sur les réseaux de neurones. Pour classifier les news, nous construisons un classifieur à base du module d'instruction de phrase préformé nnlm-en-128 et nous l'entraînons sur une collection de test préexistante Liar. | en |
| dc.identifier.citation | Systéme Informatique | |
| dc.identifier.other | MAST.INF.23-18 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/12489 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Fake News | en |
| dc.subject | Apprentissage automatique | en |
| dc.subject | Réseaux de neurones | en |
| dc.subject | Classification | en |
| dc.subject | Nnlm-en-dim128 | en |
| dc.subject | Liar | en |
| dc.title | Mise en oeuvre de l'apprentissage profond pour la détection de Fake News | en |
| dc.type | Thesis | en |