• Refine your search:
  • 
    Keyword
  • 
    Creator / Publisher:
    
    • Inria Grenoble - Rhône-Alpes (25)
    • Dynamic Networks : Temporal and Structural Capture Approach (DANTE) (24)
    • Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire de l'Informatique du Parallélisme (LIP) (24)
    • Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon) (24)
    • Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL) (24)
    • École normale supérieure - Lyon (ENS Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML) (23)
    • ANR-15-CE38-0011,SoSweet,Une sociolinguistique de Twitter : liens sociaux et variations linguistiques(2015) (22)
    • Fleury, Eric (15)
    • Institut de recherche en informatique de Toulouse (IRIT) (14)
    • Université Fédérale Toulouse Midi-Pyrénées (14)
    •   more
  • 
    Year
  • 
    Medium
  • 
    Type:
    
    • Article (84)
    • Book (13)
    • Miscellaneous (4)
  • 
    BLLDB-Access:
    • free (101)
    • subject to license (0)

Search in the Catalogues and Directories

All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year Sort by creator [A → Z]' creator [Z → A]' publishing year ↑ (asc)' publishing year ↓ (desc)' title [A → Z]' title [Z → A]' Simple Search Page: 1 2 3 4 5 6 Hits 1 – 20 of 101 1 Can Character-based Language Models Improve Downstream Task Performance in Low-Resource and Noisy Language Scenarios? Riabi, Arij; Sagot, Benoît; Seddah, Djamé In: Seventh Workshop on Noisy User-generated Text (W-NUT 2021, colocated with EMNLP 2021) ; https://hal.inria.fr/hal-03527328 ; Seventh Workshop on Noisy User-generated Text (W-NUT 2021, colocated with EMNLP 2021), Jan 2022, punta cana, Dominican Republic ; https://aclanthology.org/2021.wnut-1.47/ (2022) BASE Show details 2 Cross-lingual few-shot hate speech and offensive language detection using meta learning Mozafari, Marzieh; Farahbakhsh, Reza; Crespi, Noel In: ISSN: 2169-3536 ; EISSN: 2169-3536 ; IEEE Access ; https://hal.archives-ouvertes.fr/hal-03559484 ; IEEE Access, IEEE, 2022, 10, pp.14880-14896. ⟨10.1109/ACCESS.2022.3147588⟩ (2022) BASE Show details 3 A comparative study of different features for efficient automatic hate speech detection Zampieri, Nicolas; Illina, Irina; Fohr, Dominique In: IPrA 2021 - 17th International Pragmatics Conference ; https://hal.archives-ouvertes.fr/hal-03115781 ; IPrA 2021 - 17th International Pragmatics Conference, Jun 2021, Winterthur, Switzerland (2021) BASE Show details 4 Multiword Expression Features for Automatic Hate Speech Detection Zampieri, Nicolas; Illina, Irina; Fohr, Dominique In: NLDB 2021 - 26th International Conference on Natural Language & Information Systems ; https://hal.archives-ouvertes.fr/hal-03231047 ; NLDB 2021 - 26th International Conference on Natural Language & Information Systems, Jun 2021, Saarbrücken/Virtual, Germany ; http://nldb2021.sb.dfki.de/ (2021) BASE Show details 5 Management support system and group planning in continuing education ; Système d’aide à la gestion et planification de groupe en formation continue ACENSIO, LAURIE. - : HAL CCSD, 2021 In: https://hal.archives-ouvertes.fr/tel-03557025 ; Environnements Informatiques pour l'Apprentissage Humain. Université de Lille, CRIStAL UMR 9189, 2021. Français (2021) BASE Show details 6 Dynamics of cascades on burstiness-controlled temporal networks Unicomb, Samuel; Iñiguez, Gerardo; Gleeson, James... In: ISSN: 2041-1723 ; EISSN: 2041-1723 ; Nature Communications ; https://hal.inria.fr/hal-03117999 ; Nature Communications, Nature Publishing Group, 2021, 12 (1), pp.1-9. ⟨10.1038/s41467-020-20398-4⟩ (2021) BASE Show details 7 Hate speech and offensive language detection using transfer learning approaches ; Détection du discours de haine et du langage offensant utilisant des approches de Transfer Learning Mozafari, Marzieh. - : HAL CCSD, 2021 In: https://tel.archives-ouvertes.fr/tel-03276023 ; Document and Text Processing. Institut Polytechnique de Paris, 2021. English. ⟨NNT : 2021IPPAS007⟩ (2021) Abstract: The great promise of social media platforms (e.g., Twitter and Facebook) is to provide a safe place for users to communicate their opinions and share information. However, concerns are growing that they enable abusive behaviors, e.g., threatening or harassing other users, cyberbullying, hate speech, racial and sexual discrimination, as well. In this thesis, we focus on hate speech as one of the most concerning phenomenon in online social media.Given the high progression of online hate speech and its severe negative effects, institutions, social media platforms, and researchers have been trying to react as quickly as possible. The recent advancements in Natural Language Processing (NLP) and Machine Learning (ML) algorithms can be adapted to develop automatic methods for hate speech detection in this area.The aim of this thesis is to investigate the problem of hate speech and offensive language detection in social media, where we define hate speech as any communication criticizing a person or a group based on some characteristics, e.g., gender, sexual orientation, nationality, religion, race. We propose different approaches in which we adapt advanced Transfer Learning (TL) models and NLP techniques to detect hate speech and offensive content automatically, in a monolingual and multilingual fashion.In the first contribution, we only focus on English language. Firstly, we analyze user-generated textual content to gain a brief insight into the type of content by introducing a new framework being able to categorize contents in terms of topical similarity based on different features. Furthermore, using the Perspective API from Google, we measure and analyze the toxicity of the content. Secondly, we propose a TL approach for identification of hate speech by employing a combination of the unsupervised pre-trained model BERT (Bidirectional Encoder Representations from Transformers) and new supervised fine-tuning strategies. Finally, we investigate the effect of unintended bias in our pre-trained BERT based model and propose a new generalization mechanism in training data by reweighting samples and then changing the fine-tuning strategies in terms of the loss function to mitigate the racial bias propagated through the model. To evaluate the proposed models, we use two publicly available datasets from Twitter.In the second contribution, we consider a multilingual setting where we focus on low-resource languages in which there is no or few labeled data available. First, we present the first corpus of Persian offensive language consisting of 6k micro blog posts from Twitter to deal with offensive language detection in Persian as a low-resource language in this domain. After annotating the corpus, we perform extensive experiments to investigate the performance of transformer-based monolingual and multilingual pre-trained language models (e.g., ParsBERT, mBERT, XLM-R) in the downstream task. Furthermore, we propose an ensemble model to boost the performance of our model. Then, we expand our study into a cross-lingual few-shot learning problem, where we have a few labeled data in target language, and adapt a meta-learning based approach to address identification of hate speech and offensive language in low-resource languages. ; Une des promesses des plateformes de réseaux sociaux (comme Twitter et Facebook) est de fournir un endroit sûr pour que les utilisateurs puissent partager leurs opinions et des informations. Cependant, l’augmentation des comportements abusifs, comme le harcèlement en ligne ou la présence de discours de haine, est bien réelle. Dans cette thèse, nous nous concentrons sur le discours de haine, l'un des phénomènes les plus préoccupants concernant les réseaux sociaux.Compte tenu de sa forte progression et de ses graves effets négatifs, les institutions, les plateformes de réseaux sociaux et les chercheurs ont tenté de réagir le plus rapidement possible. Les progrès récents des algorithmes de traitement automatique du langage naturel (NLP) et d'apprentissage automatique (ML) peuvent être adaptés pour développer des méthodes automatiques de détection des discours de haine dans ce domaine.Le but de cette thèse est d'étudier le problème du discours de haine et de la détection des propos injurieux dans les réseaux sociaux. Nous proposons différentes approches dans lesquelles nous adaptons des modèles avancés d'apprentissage par transfert (TL) et des techniques de NLP pour détecter automatiquement les discours de haine et les contenus injurieux, de manière monolingue et multilingue.La première contribution concerne uniquement la langue anglaise. Tout d'abord, nous analysons le contenu textuel généré par les utilisateurs en introduisant un nouveau cadre capable de catégoriser le contenu en termes de similarité basée sur différentes caractéristiques. En outre, en utilisant l'API Perspective de Google, nous mesurons et analysons la « toxicité » du contenu. Ensuite, nous proposons une approche TL pour l'identification des discours de haine en utilisant une combinaison du modèle non supervisé pré-entraîné BERT (Bidirectional Encoder Representations from Transformers) et de nouvelles stratégies supervisées de réglage fin. Enfin, nous étudions l'effet du biais involontaire dans notre modèle pré-entraîné BERT et proposons un nouveau mécanisme de généralisation dans les données d'entraînement en repondérant les échantillons puis en changeant les stratégies de réglage fin en termes de fonction de perte pour atténuer le biais racial propagé par le modèle. Pour évaluer les modèles proposés, nous utilisons deux datasets publics provenant de Twitter.Dans la deuxième contribution, nous considérons un cadre multilingue où nous nous concentrons sur les langues à faibles ressources dans lesquelles il n'y a pas ou peu de données annotées disponibles. Tout d'abord, nous présentons le premier corpus de langage injurieux en persan, composé de 6 000 messages de micro-blogs provenant de Twitter, afin d'étudier la détection du langage injurieux. Après avoir annoté le corpus, nous réalisons étudions les performances des modèles de langages pré-entraînés monolingues et multilingues basés sur des transformeurs (par exemple, ParsBERT, mBERT, XLM-R) dans la tâche en aval. De plus, nous proposons un modèle d'ensemble pour améliorer la performance de notre modèle. Enfin, nous étendons notre étude à un problème d'apprentissage multilingue de type " few-shot ", où nous disposons de quelques données annotées dans la langue cible, et nous adaptons une approche basée sur le méta-apprentissage pour traiter l'identification des discours de haine et du langage injurieux dans les langues à faibles ressources. Keyword: [INFO.INFO-SI]Computer Science [cs]/Social and Information Networks [cs.SI]; [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing; Apprentissage en profondeur; BERT; Classification interlinguistique des textes; Cross lingual text classification; Deep learning; Détection de discours de haine; Few-shot learning; Hate speech detection; Language modeling; Meta learning; Modélisation du langage; Réseaux sociaux; Social media; Transfer learning; Transfert d’apprentissage; XLM-RoBERTa URL: https://tel.archives-ouvertes.fr/tel-03276023/document https://tel.archives-ouvertes.fr/tel-03276023/file/120699_MOZAFARI_2021.pdf https://tel.archives-ouvertes.fr/tel-03276023 BASE Hide details 8 Dataset of coronavirus content from Instagram with an exploratory analysis Zarei, Koosha; Farahbakhsh, Reza; Crespi, Noel... In: ISSN: 2169-3536 ; EISSN: 2169-3536 ; IEEE Access ; https://hal.archives-ouvertes.fr/hal-03559489 ; IEEE Access, IEEE, 2021, 9, pp.157192-157202. ⟨10.1109/ACCESS.2021.3126552⟩ (2021) BASE Show details 9 Application-Oriented Approach for Detecting Cyberaggression in Social Media Englmeier, Kurt; Mothe, Josiane In: International Conference on Applied Human Factors and Ergonomics ; https://hal.archives-ouvertes.fr/hal-02903422 ; International Conference on Applied Human Factors and Ergonomics, Jul 2020, San Diego, United States. pp.129-136, ⟨10.1007/978-3-030-51328-3_19⟩ ; https://link.springer.com/chapter/10.1007%2F978-3-030-51328-3_19 (2020) BASE Show details 10 Capitalizing on a TREC Track to Build a Tweet Summarization Dataset Dusart, Alexis; Pinel-Sauvagnat, Karen; Hubert, Gilles In: CIRCLE 2020 ; Proceedings of the Joint Conference of the Information Retrieval Communities in Europe (CIRCLE 2020) ; Joint Conference of the Information Retrieval Communities in Europe (CIRCLE 2020) ; https://hal.archives-ouvertes.fr/hal-03095613 ; Joint Conference of the Information Retrieval Communities in Europe (CIRCLE 2020), Université de Toulouse, France, Jul 2020, Samatan, Gers, France. pp.1-9 ; http://ceur-ws.org/Vol-2621/CIRCLE20_20.pdf (2020) BASE Show details 11 Représentations lexicales pour la détection non supervisée d'événements dans un flux de tweets : étude sur des corpus français et anglais Mazoyer, Béatrice; Hervé, Nicolas; Hudelot, Céline... In: Extraction et Gestion des connaissances, EGC 2020 ; https://hal-centralesupelec.archives-ouvertes.fr/hal-02432990 ; Extraction et Gestion des connaissances, EGC 2020, Jan 2020, Bruxelles, Belgique (2020) BASE Show details 12 Temporal social network reconstruction using wireless proximity sensors: model selection and consequences Dai, Sicheng; Bouchet, Hélène; Nardy, Aurélie... In: ISSN: 2193-1127 ; EISSN: 2193-1127 ; EPJ Data Science ; https://hal.inria.fr/hal-03117988 ; EPJ Data Science, EDP Sciences, 2020, 9 (1), ⟨10.1140/epjds/s13688-020-00237-8⟩ (2020) BASE Show details 13 Using Twitter Streams for Opinion Mining: a case study on Airport Noise Meddeb, Iheb; Lavandier, Catherine; Kotzinos, Dimitris In: ISSN: 1865-0929 ; Communications in Computer and Information Science ; https://hal.archives-ouvertes.fr/hal-03018998 ; Communications in Computer and Information Science, Springer Verlag, 2020, ⟨10.1007/978-3-030-44900-1_10⟩ (2020) BASE Show details 14 Using Sentiment Analysis for Pseudo-Relevance Feedback in Social Book Search HTAIT, Amal; Fournier, Sébastien; Bellot, Patrice... In: ICTIR '20: The 2020 ACM SIGIR International Conference on the Theory of Information Retrieval ; https://hal.archives-ouvertes.fr/hal-03124566 ; ICTIR '20: The 2020 ACM SIGIR International Conference on the Theory of Information Retrieval, Sep 2020, Stavanger, Norway. pp.29-32, ⟨10.1145/3409256.3409847⟩ ; https://ictir2020.org (2020) BASE Show details 15 Computational detection of socioeconomic inequalities ; Détection computationnelle des inégalités socioéconomiques Levy Abitbol, Jacobo. - : HAL CCSD, 2020 In: https://hal.archives-ouvertes.fr/tel-02459170 ; Artificial Intelligence [cs.AI]. Université de Lyon, 2020. English. ⟨NNT : 2020LYSEN001⟩ (2020) BASE Show details 16 Joint embedding of structure and features via graph convolutional networks Lerique, Sébastien; Abitbol, Jacob Levy; Karsai, Márton In: ISSN: 2364-8228 ; EISSN: 2364-8228 ; Applied Network Science ; https://hal.inria.fr/hal-02388402 ; Applied Network Science, Springer, 2020, 5 (1), ⟨10.1007/s41109-019-0237-x⟩ (2020) BASE Show details 17 Information Adoption via Repeated or Diversified Social Influence on Twitter de Oliveira, Jaqueline Faria; Marques-Neto, Humberto Torres; Karsai, Màrton In: ASONAM 2020 - IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining ; https://hal.inria.fr/hal-03197971 ; ASONAM 2020 - IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, Dec 2020, The Hague, Netherlands. pp.237-241, ⟨10.1109/ASONAM49781.2020.9381365⟩ (2020) BASE Show details 18 Interpretable socioeconomic status inference from aerial imagery through urban patterns Abitbol, Jacob Levy; Karsai, Màrton In: EISSN: 2522-5839 ; Nature Machine Intelligence ; https://hal.inria.fr/hal-03117994 ; Nature Machine Intelligence, Nature Research, 2020, 2 (11), pp.684-692. ⟨10.1038/s42256-020-00243-5⟩ (2020) BASE Show details 19 Affective behavior modeling on social networks ; Modélisation des sentiments sur les réseaux sociaux Ragheb, Waleed. - : HAL CCSD, 2020 In: https://tel.archives-ouvertes.fr/tel-03339755 ; Social and Information Networks [cs.SI]. Université Montpellier, 2020. English. ⟨NNT : 2020MONTS073⟩ (2020) BASE Show details 20 Novel Version of PageRank, CheiRank and 2DRank for Wikipedia in Multilingual Network Using Social Impact Coquidé, Célestin; Lewoniewski, Włodzimierz In: BIS: International Conference on Business Information Systems ; https://hal.archives-ouvertes.fr/hal-03217697 ; Witold Abramowicz, Gary Klein. BIS: International Conference on Business Information Systems, Springer, pp.319-334, 2020, 23rd International Conference, BIS 2020, Colorado Springs, CO, USA, June 8–10, 2020, Proceedings, 978-3-030-53337-3. ⟨10.1007/978-3-030-53337-3_24⟩ (2020) BASE Show details Page: 1 2 3 4 5 6

Mobile view All Catalogues UB Frankfurt Linguistik 0 IDS Mannheim 0 OLC Linguistik 0 UB Frankfurt Retrokatalog 0 DNB Subject Category Language 0 Institut für Empirische Sprachwissenschaft 0 Leibniz-Centre General Linguistics (ZAS) 0 Bibliographies BLLDB 0 BDSL 0 IDS Bibliografie zur deutschen Grammatik 0 IDS Bibliografie zur Gesprächsforschung 0 IDS Konnektoren im Deutschen 0 IDS Präpositionen im Deutschen 0 IDS OBELEX meta 0 MPI-SHH Linguistics Collection 0 MPI for Psycholinguistics 0 Linked Open Data catalogues Annohub 0 Online resources Link directory 0 Journal directory 0 Database directory 0 Dictionary directory 0 Open access documents BASE 101 Linguistik-Repository 0 IDS Publikationsserver 0 Online dissertations 0 Language Description Heritage 0