Comparação entre modelos com diferentes abordagens para classificação de fake news.

Detalhes bibliográficos
Autor(a) principal: BRASIL, Lucas Cordeiro.
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

Registros relacionados