Documents disponibles écrits par cet auteur

Opinion Spam Detection Using machine learning techniques / Smail LEB

Public ISBD Titre : Opinion Spam Detection Using machine learning techniques Type de document : projet fin études Auteurs : Smail LEB, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 278/19 Résumé : Avec une grande augmentation des données générées par le web et notamment les réseaux sociaux, les contenus trompeurs tels que les fausses critiques, également appelés opinion spam, sont devenus de plus en plus une perspective dangereuse et présentent une grave menace pour les utilisateurs d’internet. D’autre part à l’époque du web social, il est devenu essentiel pour les entreprises qui existent sur internet d’autoriser leurs clients finaux à rédiger des critiques concernant les services qu’ils ont utilisés. Ces revues fournissent des sources d’information vitales sur ces produits ou services. Ces informations sont utilisées par les futurs clients potentiels avant de décider d’utiliser de nouveaux services. Malheureusement, cette grande quantité d’opinion nous expose à son tour au problème de spam. Par ailleurs, en se confrontant aux spams, les internautes sont exposés à des problèmes de sécurité, et les mineurs à des contenus inappropriés. De plus, les spams gaspillent des ressources en termes de stockage, de bande passante et de productivité. Ce qui aggrave le problème est que les spammeurs continuent à inventer de nouvelles techniques pour éviter les filtres anti-spam. En outre, les flux de données massifs de centaines de millions d’individus et le grand nombre d’attributs rendent le problème plus encombrant et complexe. Le problème du spam est devenu rapidement un domaine de recherche expansif en raison de l’abondance de contenu généré par les utilisateurs. Le plus gros défi est l’absence d’un moyen efficace de faire la différence entre un véritable opinion et un faux. même les humains sont souvent incapables de faire la différence. Il est donc indispensable de proposer des modèles de détection de spam plus évolutifs et adaptables. Dans le cadre de ma mémoire de recherche en Master Sciences de Données et Big Data il m’a été confié de réaliser un projet dont l’intitulé est Opinion Spam Detection ou je vais essayer de proposer un système d’intelligence artificiel capable de prédire les opinions SPAM. En outre, une capacité d’identification automatique doit être intégrée au système proposé pour détecter les caractéristiques les plus pertinentes au cours du processus de détection. Opinion Spam Detection Using machine learning techniques [projet fin études] / Smail LEB, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 278/19 Résumé : Avec une grande augmentation des données générées par le web et notamment les réseaux sociaux, les contenus trompeurs tels que les fausses critiques, également appelés opinion spam, sont devenus de plus en plus une perspective dangereuse et présentent une grave menace pour les utilisateurs d’internet. D’autre part à l’époque du web social, il est devenu essentiel pour les entreprises qui existent sur internet d’autoriser leurs clients finaux à rédiger des critiques concernant les services qu’ils ont utilisés. Ces revues fournissent des sources d’information vitales sur ces produits ou services. Ces informations sont utilisées par les futurs clients potentiels avant de décider d’utiliser de nouveaux services. Malheureusement, cette grande quantité d’opinion nous expose à son tour au problème de spam. Par ailleurs, en se confrontant aux spams, les internautes sont exposés à des problèmes de sécurité, et les mineurs à des contenus inappropriés. De plus, les spams gaspillent des ressources en termes de stockage, de bande passante et de productivité. Ce qui aggrave le problème est que les spammeurs continuent à inventer de nouvelles techniques pour éviter les filtres anti-spam. En outre, les flux de données massifs de centaines de millions d’individus et le grand nombre d’attributs rendent le problème plus encombrant et complexe. Le problème du spam est devenu rapidement un domaine de recherche expansif en raison de l’abondance de contenu généré par les utilisateurs. Le plus gros défi est l’absence d’un moyen efficace de faire la différence entre un véritable opinion et un faux. même les humains sont souvent incapables de faire la différence. Il est donc indispensable de proposer des modèles de détection de spam plus évolutifs et adaptables. Dans le cadre de ma mémoire de recherche en Master Sciences de Données et Big Data il m’a été confié de réaliser un projet dont l’intitulé est Opinion Spam Detection ou je vais essayer de proposer un système d’intelligence artificiel capable de prédire les opinions SPAM. En outre, une capacité d’identification automatique doit être intégrée au système proposé pour détecter les caractéristiques les plus pertinentes au cours du processus de détection.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 278/19	mast 278/19 SMA	Texte imprimé	Unité des masters	Mast/19	Disponible