Humor classification in arabic tweets using machine learning and deep learning approaches

With its linguistic, social, and psychological components, humor has long been a part of human life. Allowing computers to interpret humor has become extremely important due to its wide range of uses and growing popularity on social media platforms. While humor has long been researched from psychological, cognitive, and linguistic perspectives, computational linguistics has yet to investigate it. We propose in this master's thesis to develop Machine Learning and Deep Learning approaches for the classification of humor in Arabic tweets. The experiments are conducted on a dataset composed of 3000 Tunisian Dialect tweets. The results are promising showing a value of accuracy reaching 96% with RNN algorithm. Avec ses composantes linguistiques, sociales et psychologiques, l'humour fait depuis longtemps partie de la vie humaine. Permettre aux ordinateurs d'interpréter l'humour est devenu extrêmement important en raison de son large éventail d'utilisations et de sa popularité croissante sur les plateformes de médias sociaux. Alors que l'humour a longtemps fait l'objet de recherches d'un point de vue psychologique, cognitif et linguistique, la linguistique informatique doit encore l'étudier. Nous proposons dans ce mémoire de master de développer des approches de Machine Learning et Deep Learning pour la classification de l'humour dans les tweets arabes. Les expérimentations sont menées sur un jeu de données composé de 3000 tweets en dialecte tunisien. Les résultats sont prometteurs montrant une valeur de précision atteignant 96% avec l‘algorithme RNN. p. 71-74