Scribd Logo
Importer

Bienvenue sur Scribd !

  • 80 vues

    Ingeniorat - ESI SBA (2018 2019) PDF

    Transféré par

    Meriem berrebib

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Ingeniorat - ESI SBA (2018 2019) PDF

    Transféré par

    Meriem berrebib
    80 vues3 pages

    Titre original

    ingeniorat_ESI-SBA(2018-2019) (1).pdf

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    80 vues3 pages

    Ingeniorat - ESI SBA (2018 2019) PDF

    Transféré par

    Meriem berrebib

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 3

    République Algérienne Démocratique et Populaire

    Ministère de l’Enseignement Supérieur et de la Recherche Scientifique


    École Supérieure en Informatique
    -08 Mai 1945- Sidi Bel Abbes

    Mémoire de Fin d’étude


    En vue de l’obtention du diplôme d’ingénieur d’état

    Filière : Informatique

    Spécialité : Système d’Information et Web (SIW)

    Ooredoo Rayek : Un system d’analyse des sentiments des clients


    de l’opérateur téléphonique Ooredoo

    Présenté par :

    • Mr Bouchiha Djelloul
    • Mr Zendagui Iyas

    Soutenu le : 23/07/2019. Devant le jury composé de :


    - Mr KECHAR Mohamed Maître de conférences classe B Président

    - Mr BENSLIMANE Sidi Mohammed Professeur Encadreur

    - Mme KLOUCHE Badia Maître Assistante Classe A Examinatrice

    - Mme BENNABI Sakina Rim Maître Assistante Classe A Examinatrice

    Année Universitaire : 2018 / 2019


    Résumé

    L’analyse des sentiments (AS) est un domaine de recherche permanent qui


    se situe au carrefour de nombreux domaines, tels que la fouille des données,
    le traitement du langage naturel et l’apprentissage automatique. Il concerne
    l’extraction automatique des opinions exprimées dans un texte donné. En
    raison de ses vastes applications, de nombreuses études ont été menées dans
    le domaine de l’Opinion Minning, en particulier dans les textes en arabe
    algérien dialectal, tandis que d’autres langues utilisées, telles que l’arabe, le
    français et l’anglais, ont fait l’objet d’une attention amoindrie. Les opérateurs
    sont exigeants et prêtent une grande importance à l’opinion de leur clientèle,
    qui utilise un langage arabe dialectal dans les différents réseaux sociaux, tout
    en introduisant les sentiments dans leur plateforme respective et leur enjeu
    stratégique.
    A l’instar des autres opérateurs téléphoniques, Ooredoo, dans sa nouvelle
    stratégie, se déploie à conquérir de nouveaux clients, à ajouter à sa clientèle
    habituelle, pour exploiter leurs opinions à travers une analyse des sentiments.
    C’est à cet égard, que s’inscrit ce travail, dont l’objet est de mettre en place
    un système chez Ooredoo, qui permet de collecter, stocker, exploiter et clas-
    sifier les données textuelles exprimées par ses clients.

    Notre approche d’analyse des sentiments est basée sur des algorithmes
    d’apprentissage machine (Approche supervisée), il a pour but d’établir des
    règles de comportement à partir d’une base de données. La base de données
    est en principe un ensemble de couples entrées/sorties. Le but est d’apprendre
    à prédire pour toute nouvelle entrée X, la sortie Y (Positive, Negative ou
    Neutre). Les algorithmes et techniques utilisés pour la classification sont la
    machine à vecteurs de support (SVM) et Naïve Bayes (NB).
    Nous présentons une approche hybride pour la translitération de l’arabizi
    algérien. Nous avons élaboré un ensemble de règles permettant le passage
    de l’arabizi vers l’arabe. Á partir de ces règles nous générons un ensemble
    de candidats pour la translitération de chaque mot en arabizi vers l’arabe,
    et un parmi ces candidats sera ensuite identifié et extrait comme le meilleur
    candidat.
    Mots Clés : Analyse des sentiments, apprentissage automatique, clas-
    sification du texte, extraction d’opinion et des sentiments, arabe dialectal,
    Arabizi.
    Abstract

    Sentiment Analysis (SA) is an ongoing area of research at the crossroads


    of many areas, such as data mining, natural language processing and ma-
    chine learning. It concerns the automatic extraction of opinions expressed in
    a given text. Due to its wide-ranging applications, many studies have been
    conducted in the field of Opinion Manning, particularly in texts in Alge-
    rian Arabic dialect, while other languages used, such as Arabic, French and
    Spanish. English has received less attention. Operators are demanding and
    attach great importance to the opinion of their customers, who use Arabic
    dialect language in the various social networks, while introducing the feelings
    in their respective platform and their strategic stake.
    Like the other telephone operators, Ooredoo, in its new strategy, deploys to
    conquer new customers, to add to its usual clientele, to exploit their opinions
    through an analysis of feelings.
    It is in this respect, that this work, whose object is to set up a system at
    Ooredoo, which allows to collect, store, exploit and classify the textual data
    expressed by its customers.

    Our approach of sentiment analysis is based on machine learning algo-


    rithms (supervised approach), it aims to establish rules of behavior from a
    database. The database is in principle a set of input / output pairs. The goal
    is to learn to predict for any new input X, the output Y (Positive, Negative
    or Neutral).
    We present a hybrid approach for the transliteration of Algerian arabizi. We
    have developed a set of rules allowing the transition from arabizi to Arabic.
    From these rules we generate a set of candidates for the transliteration of
    each arabizi word to Arabic, and one of these candidates will then be iden-
    tified and extracted as the best candidate.
    Key Words : Sentiment Analysis, Machine Learning, Text Classification,
    Opinion and Sentiment Extraction, Dialectal Arabic, Arabizi.

    Vous aimerez peut-être aussi