Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo

Dspace KHENCHELA

  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Ahlam Bouterai -Randa Benamara"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Analyse de Sentiments des malades, vers un système d’assistance médicale
    (2022) Ahlam Bouterai -Randa Benamara
    Avec l'expansion spectaculaire de l'information sur Internet, les utilisateurs du monde entier expriment quotidiennement leur opinion sur les réseaux sociaux tels que (Facebook et Twitter), des forums de discussions et des sites web. Aujourd'hui les entreprises médicales investissent dans l'analyse de ces opinions afin d'améliorer leurs produits et services. Le processus de reconnaissance des opinions des patients sur les produits ou services, qu'elles soient positives ou négatives, est appelé analyse des sentiments. Plusieurs approches ont été proposées pour l'analyse des sentiments et la plupart de ces approches utilisent des techniques d'apprentissage automatique. Par conséquent, dans cette étude, nous proposons une approche pour l'analyse des sentiments sur les sites web médicaux. Cette solution proposée se base sur les différentes techniques de l’apprentissage automatique supervisé avec plusieurs méthodes à savoir ; les séparateurs à vaste marge (SVM pour Support Vector Machine), les voisins les plus proches (K-NN pour K-Nearest Neighbors), les arbres de décision (DT pour Decision trees), les forêts d’arbres décisionnels (RF pour Random Forest) et le Naïve Bayes (NB pour Naive Bayes). Pour l’expérimentation nous avons utilisé un corpus créer dans le cadre de ce mémoire en plus de trois autres corpus téléchargés à partir du Web. Les résultats du notre corpus dépassent les autres trois corpus vu le respect de l’équilibrage, entre les deux classes, lors de son création.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback