Techniques de NLP pour la détection des fausses nouvelles
Des informations générales:
Le niveau |
Master |
Titre |
Techniques de NLP pour la détection des fausses nouvelles |
SPECIALITE |
Génie Informatique |
Page de garde:
Sommaire:
Introduction Générale
1. Contexte
2. Problématique
3. Organisation du mémoire
Table de matières
Chapitre 01: Généralités sur IA, ML et DL.
1. Introduction
2. L’intelligence artificielle
2.1. Définition
2.2. Historique
2.3. Distinction entre IA, ML et DL.
3. Machine learning
3.1. Définition
3.2. Différents types d’apprentissage automatique
3.2.1. Apprentissage supervisé
3.2.2. Apprentissage non-supervisé
3.2.3. Apprentissage semi-supervisé
3.2.4. Apprentissage par renforcement
3.3. Régression
3.3.1. Modèles de la Régression
a. Régression linéaire
b. Régression polynomiale
c. Régression logistique
3.4. Classification
3.4.1. Modèles de Classification
a. Binaire
b. multi-classes
c. multi-étiquettes d. Déséquilibre
4. Deep Learning
4.1. Définition
4.2. Modèles de DL
a. RNN
b. CNN
c. LSTM
4.3. Application des algorithmes de DL.
4.3.1. Vision par ordinateur
4.3.2. Analyse et compréhension du texte 4.3.3. Reconnaissance vocal
Conclusion
Chapitre 02: Fausses Nouvelles
1. Introduction
2. Définition
3. Fake news sur les réseaux sociaux : de la caractérisation à la détection 4. Détection des fausses nouvelles
4.1. Manuelle
4.2. Automatisée
4.2.1. Modèles d’apprentissage automatique.
5. Différents types de fake news
Conclusion
Chapitre 03: Notions de NLP.
1. Introduction
2. Définition
3. Fonctionnement du NLP
4. Pourquoi NLP est important ?.
5. Principales méthodes utilisées en NLP.
6. Principaux modèles de NLP.
7. Avantages du NLP.
8. NLP avec Python
Conclusion
Chapitre 04 : Implémentation
1.Introduction
2. Choix des outils d’implémentation 3. Phase de preprocessing des données. 3.1. Part of Speech (POS)
3.2. Tokenisation.
3.3. Stemming
3.4. Lemmatization. 3.5. Stopwords
4. Etapes de la création du modèle 4.1. Importer les bibliothèques 4.2. Télécharger les dataset. a. Head de dataset.
4.3. Data preprocessing
4.4. Création du modèle
a. Les couches de LSTM.
4.5. Training
6. Comparaison
5. Analyse après Training.
Conclusion
Conclusion Générale
Références
1. Contexte
2. Problématique
3. Organisation du mémoire
Table de matières
Chapitre 01: Généralités sur IA, ML et DL.
1. Introduction
2. L’intelligence artificielle
2.1. Définition
2.2. Historique
2.3. Distinction entre IA, ML et DL.
3. Machine learning
3.1. Définition
3.2. Différents types d’apprentissage automatique
3.2.1. Apprentissage supervisé
3.2.2. Apprentissage non-supervisé
3.2.3. Apprentissage semi-supervisé
3.2.4. Apprentissage par renforcement
3.3. Régression
3.3.1. Modèles de la Régression
a. Régression linéaire
b. Régression polynomiale
c. Régression logistique
3.4. Classification
3.4.1. Modèles de Classification
a. Binaire
b. multi-classes
c. multi-étiquettes d. Déséquilibre
4. Deep Learning
4.1. Définition
4.2. Modèles de DL
a. RNN
b. CNN
c. LSTM
4.3. Application des algorithmes de DL.
4.3.1. Vision par ordinateur
4.3.2. Analyse et compréhension du texte 4.3.3. Reconnaissance vocal
Conclusion
Chapitre 02: Fausses Nouvelles
1. Introduction
2. Définition
3. Fake news sur les réseaux sociaux : de la caractérisation à la détection 4. Détection des fausses nouvelles
4.1. Manuelle
4.2. Automatisée
4.2.1. Modèles d’apprentissage automatique.
5. Différents types de fake news
Conclusion
Chapitre 03: Notions de NLP.
1. Introduction
2. Définition
3. Fonctionnement du NLP
4. Pourquoi NLP est important ?.
5. Principales méthodes utilisées en NLP.
6. Principaux modèles de NLP.
7. Avantages du NLP.
8. NLP avec Python
Conclusion
Chapitre 04 : Implémentation
1.Introduction
2. Choix des outils d’implémentation 3. Phase de preprocessing des données. 3.1. Part of Speech (POS)
3.2. Tokenisation.
3.3. Stemming
3.4. Lemmatization. 3.5. Stopwords
4. Etapes de la création du modèle 4.1. Importer les bibliothèques 4.2. Télécharger les dataset. a. Head de dataset.
4.3. Data preprocessing
4.4. Création du modèle
a. Les couches de LSTM.
4.5. Training
6. Comparaison
5. Analyse après Training.
Conclusion
Conclusion Générale
Références
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.