Analyse et détection du contenu haineux sur les réseaux sociaux

Ennaciri, Safaa (2024). « Analyse et détection du contenu haineux sur les réseaux sociaux » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.

Fichier(s) associé(s) à ce document :

Prévisualisation	PDF Télécharger (9MB)

Résumé

L’utilisation des réseaux sociaux devient de plus en plus importante dans nos vies et la quantité d’information qui y circule est devenue énorme. La plupart de ces informations sont instructives et pertinentes, mais certaines d’entre elles sont nocives et incitent à la haine. La propagation sur ces réseaux, de commentaires contenant du sarcasme, de l'intimidation, de l'agressivité et du racisme, affecte négativement les utilisateurs ciblés et peut mener à de graves conséquences. C’est pourquoi il est nécessaire de trouver des solutions efficaces pour remédier à ce problème. L’identification et la détection du contenu haineux est devenue une préoccupation de plusieurs chercheurs et le sujet de diverses études. Dans ce contexte, notre projet vise à concevoir un système capable d'identifier et de détecter des commentaires haineux. Pour ce faire, nous postulons que le prétraitement des données joue un rôle déterminant dans l’efficacité d’un tel système, et nous explorons donc plusieurs combinaisons de techniques de prétraitement. Nous évaluons notre approche sur quatre ensembles de données différents, contenant des commentaires et discours haineux et nous l’appliquons à différentes approches de l’apprentissage machine, SVM, Naïve Bayes, Logistic Regression et Bidirectional Long Short-Term Memory. Nous évaluons les performances des modèles obtenus, en termes d’accuracy, de précision, de F-mesure et de rappel en comparant les différents résultats obtenus. Enfin, nous analysons et interprétons les résultats pour aboutir à une conclusion sur l'efficacité de l’approche proposée. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Identification de discours haineux, classification de texte, apprentissage machine, prétraitement de données, extraction de fonctionnalités.

Type:	Mémoire accepté
Informations complémentaires:	Fichier numérique reçu et enrichi en format PDF/A.
Directeur de thèse:	Lounis, Hakim
Mots-clés ou Sujets:	Prétraitement des données / Apprentissage automatique / Classification / Discours haineux / Propagande haineuse sur Internet / Commentaires dans les médias sociaux
Unité d'appartenance:	Faculté des sciences > Département d'informatique
Déposé par:	Service des bibliothèques
Date de dépôt:	18 févr. 2025 09:13
Dernière modification:	18 févr. 2025 09:13
Adresse URL :	http://archipel.uqam.ca/id/eprint/18487

Modifier les métadonnées (propriétaire du document)

Statistiques