Laboratoire de Génie Informatique et d’Automatique de l’Artois

Malika BEN KHALIFA

Doctorant, ATER
(Départ du LGI2A en 2022)
Travaille dans les thèmes :

Conférence Internationale avec Comité de Lecture

2021
Conférence Internationale avec Comité de Lecture
DOI
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Evidential Spammers and Group Spammers Detection
21th International Conference on Intelligent Systems Design and Applications, ISDA 2021, pp 255-265, December 13-15 2021, 12/2021
2020
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
An evidential group spammers detection
8th International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, IPMU'2020, pp 1-14, 06/2020
2020
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
An evidential spammer detection based on the suspicious behaviors’ indicators
International multi-conference on: Organization of knowledge an advances technologies, OCTA'2020, pp 1-8, 02/2020
2019
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Multiple criteria fake reviews detection based on spammers’ indicators within the belief function theory
International Conference on Hybrid Intelligent Systems, HIS'2019, No. 145-155, 12/2019
2019
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Fake reviews detection based on both the review and the reviewer features under belief function theory
16th international conference Applied Computing, AC'2019, pp 123-130, 11/2019
2019
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Spammers detection based on reviewers’ behaviors under belief function theory
32th International Conference on Industrial, Engineering other Applications of Applied Intelligent Systems, IEA-AIE'2019, 07/2019
2018
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Multiple criteria fake reviews detection using belief function theory
18th International Conference on Intelligent Systems Design and Applications, ISDA 2018, 12/2018
2018
Conférence Internationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Fake Reviews Detection Under Belief Function Framework
4th International Conference on Advanced Intelligent Systems and Informatics, AISI 2018, pp 395-404, 09/2018

Conférence Nationale avec Comité de Lecture

2018
Conférence Nationale avec Comité de Lecture
Malika BEN KHALIFA -- Zied ELOUEDI -- Eric LEFEVRE
Détection des faux avis dans un cadre évidentiel
27e Rencontres Francophones sur la Logique Floue et ses Applications, LFA 2018, pp 135-142, 11/2018

Auteur de la thèse intitulée "Gestion des incertitudes pour la détection de faux avis avec la théorie des fonctions de croyance"

2019 - 2022

Le succès des marques, des produits ou des services dépend des avis en ligne publiés par les consommateurs qui partagent leurs expériences. Par conséquent, ces avis deviennent un facteur essentiel dans les décisions d’achat des clients. Afin d’augmenter leur gain financier, certains individus ou organisations corrompus publient délibérément de faux avis pour promouvoir leurs produits ou dévaloriser ceux de leurs concurrents, en essayant d’induire en erreur ou d’influencer les clients. Il est donc crucial d’identifier les faux avis afin de préserver la crédibilité des avis en ligne. Les avis frauduleux et de façon plus générale les avis étant nombreux et provenant d’êtres humains, ils sont dans l’ensemble incertains et ambigus, d’où la nécessité de modéliser ces imperfections. Ainsi, cette thèse propose la détection des faux avis tout en traitant l’incertitude. Un recours à la théorie des fonctions de croyance et aux techniques d’apprentissage automatique évidentielles a été élaboré pour représenter et traiter cette incertitude. Pour ce faire, nous proposons des nouvelles approches évidentielles pour détecter les faux avis en se fondant sur trois aspects à savoir : les avis, les spammeurs et les groupes de spammeurs. De plus, une méthode hybride combinant les deux catégories ; la détection de spammeurs et de groupes des spammeurs est également réalisée, ce qui permet d’obtenir une meilleure qualité de détection des faux avis. Afin de prouver l’efficacité et la pertinence de nos propositions par rapport à la littérature, des expériences sont menées sur deux ensembles de données d’avis étiquetés réels extraits de Yelp.com.