Comparação entre modelos com diferentes abordagens para classificação de fake news.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 |
Resumo: | Atualmente, notícias falsas estão cada vez mais em evidência. Pode-se definir tais notícias como informações não verídicas propagadas intencionalmente. Com o grande uso de redes sociais como fonte de informação, torna-se necessário o maior controle e detecção de Fake News, de forma eficaz e rápida. Assim, este trabalho busca utilizar algoritmos já consolidados na área de aprendizagem de máquina - Naive Bayes, XGBoost e BERT - para criar modelos de detecção de notícias falsas, comparando os resultados obtidos em cada modelo com trabalhos anteriormente realizados na área que tenham os melhores resultados até o momento. |
id |
UFCG_026263b372f4680f4c962625ae92fef1 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/25007 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Comparação entre modelos com diferentes abordagens para classificação de fake news.Comparison between models with different approaches to fake news Classification.Fake newsAprendizagem de máquinaBERTAlgoritmosNaive BayesXGBoostTransformersMachine learningAlgorithmsCiência da ComputaçãoAtualmente, notícias falsas estão cada vez mais em evidência. Pode-se definir tais notícias como informações não verídicas propagadas intencionalmente. Com o grande uso de redes sociais como fonte de informação, torna-se necessário o maior controle e detecção de Fake News, de forma eficaz e rápida. Assim, este trabalho busca utilizar algoritmos já consolidados na área de aprendizagem de máquina - Naive Bayes, XGBoost e BERT - para criar modelos de detecção de notícias falsas, comparando os resultados obtidos em cada modelo com trabalhos anteriormente realizados na área que tenham os melhores resultados até o momento.Currently, false news is increasingly in evidence. Such news can be defined as intentionally propagated non-truthful information. With the large use of social networks as a source of information, it becomes necessary to have greater control and detection of Fake News, efficiently and quickly. Thus, this work seeks to use algorithms already consolidated in the machine learning area - Naive Bayes, XGBoost and BERT - to create false news detection models, comparing the results obtained in each model with works previously carried out in the area that have the best result until now.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGBAPTISTA, Cláudio de Souza.BAPTISTA, C. S.http://lattes.cnpq.br/0104124422364023GHEYI, Rohit.GHEYI, R.http://lattes.cnpq.br/2931270888717344MASSONI, Tiago Lima.MASSONI, T. L.http://lattes.cnpq.br/3563923906851611BRASIL, Lucas Cordeiro.2021-10-202022-05-04T11:45:42Z2022-05-042022-05-04T11:45:42Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007BRASIL, Lucas Cordeiro. Comparação entre modelos com diferentes abordagens para classificação de fake news. 2021. 13f. Trabalho de Conclusão de Curso (Artigo), Curso de Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil. 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2022-05-04T15:51:21Zoai:localhost:riufcg/25007Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-05-04T15:51:21Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Comparação entre modelos com diferentes abordagens para classificação de fake news. Comparison between models with different approaches to fake news Classification. |
title |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
spellingShingle |
Comparação entre modelos com diferentes abordagens para classificação de fake news. BRASIL, Lucas Cordeiro. Fake news Aprendizagem de máquina BERT Algoritmos Naive Bayes XGBoost Transformers Machine learning Algorithms Ciência da Computação |
title_short |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
title_full |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
title_fullStr |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
title_full_unstemmed |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
title_sort |
Comparação entre modelos com diferentes abordagens para classificação de fake news. |
author |
BRASIL, Lucas Cordeiro. |
author_facet |
BRASIL, Lucas Cordeiro. |
author_role |
author |
dc.contributor.none.fl_str_mv |
BAPTISTA, Cláudio de Souza. BAPTISTA, C. S. http://lattes.cnpq.br/0104124422364023 GHEYI, Rohit. GHEYI, R. http://lattes.cnpq.br/2931270888717344 MASSONI, Tiago Lima. MASSONI, T. L. http://lattes.cnpq.br/3563923906851611 |
dc.contributor.author.fl_str_mv |
BRASIL, Lucas Cordeiro. |
dc.subject.por.fl_str_mv |
Fake news Aprendizagem de máquina BERT Algoritmos Naive Bayes XGBoost Transformers Machine learning Algorithms Ciência da Computação |
topic |
Fake news Aprendizagem de máquina BERT Algoritmos Naive Bayes XGBoost Transformers Machine learning Algorithms Ciência da Computação |
description |
Atualmente, notícias falsas estão cada vez mais em evidência. Pode-se definir tais notícias como informações não verídicas propagadas intencionalmente. Com o grande uso de redes sociais como fonte de informação, torna-se necessário o maior controle e detecção de Fake News, de forma eficaz e rápida. Assim, este trabalho busca utilizar algoritmos já consolidados na área de aprendizagem de máquina - Naive Bayes, XGBoost e BERT - para criar modelos de detecção de notícias falsas, comparando os resultados obtidos em cada modelo com trabalhos anteriormente realizados na área que tenham os melhores resultados até o momento. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-10-20 2022-05-04T11:45:42Z 2022-05-04 2022-05-04T11:45:42Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 BRASIL, Lucas Cordeiro. Comparação entre modelos com diferentes abordagens para classificação de fake news. 2021. 13f. Trabalho de Conclusão de Curso (Artigo), Curso de Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil. 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 |
identifier_str_mv |
BRASIL, Lucas Cordeiro. Comparação entre modelos com diferentes abordagens para classificação de fake news. 2021. 13f. Trabalho de Conclusão de Curso (Artigo), Curso de Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil. 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744538257850368 |