Resumo:
A detecção automática de notícias falsas (Fake News, pelo idioma Inglês) é um dos
processos mais importantes para combater a propagação de informações
enganosas e potencialmente perigosas nos meios de comunicação. As técnicas de
Aprendizagem de Máquina e Processamento de Linguagem Natural vêm sendo
aplicadas como estratégia para identificação e filtragem das Fake News,
proporcionando a revisão automática de informações virtuais. Esta pesquisa tem
como objetivo avaliar o desempenho de dois modelos de Aprendizado de Máquina
para a classificação de notícias falsas em Língua Portuguesa. No desenvolvimento
do estudo, os modelos de Regressão Logística e Redes Hierárquicas de Atenção
(HAN) foram treinados com os dados textuais da base Fake.Br, os quais obtiveram
97% na métrica F1-score. Posteriormente, a generalização dos modelos foi avaliada
com os dados da base FakeTrueBr, destacando-se o modelo de Regressão
Logística, que atingiu uma precisão média de 79,44% contra 72,33% do modelo
HAN nos experimentos realizados. Os resultados alcançados nesta pesquisa são
promissores, com viabilidade para novas análises de dados e suporte para o
desenvolvimento de aplicações para detecção de notícias falsas compartilhadas em
mídias sociais.
Descrição:
CAVALCANTE, Natan Bento. Avaliação de algoritmos de aprendizado de máquina na classificação de fake news em Língua Portuguesa. 54f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Estadual da Paraíba, Patos, 2024.