HATEM, RayaneMERABET, NesrineBOUGAMOUZA, Fateh2024-04-072024-04-072023http://dspace.univ-skikda.dz:4000/handle/123456789/795Les médias sociaux, en particulier les plateformes de microblogging comme Twitter, offrent un moyen rapide et facile aux utilisateurs pour partager leurs opinions et leurs émotions. Ce mémoire aborde le problème de la classification des sentiments dans les tweets arabes en utilisant une combinaison de texte et d'émojis dans une architecture Transformer. Le problème d'étude est le manque de ressources et de systèmes adaptés à l'analyse de sentiment en arabe par rapport à d'autres langues. La solution proposée consiste à entraîner un modèle BERT Transformer sur des données annotées en utilisant à la fois le texte brut des tweets et les émojis associés. Les résultats obtenus montrent une amélioration significative par rapport aux modèles existants, démontrant l'efficacité de l'approche proposée pour la classification précise des sentiments dans les tweets arabes.frMémoire de Master