Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/41258 http://doi.org/10.14393/ufu.di.2024.5000 |
Resumo: | This work aims to deepen and foster research on computational technological tools for combating fake news on social media platforms, utilizing complex networks and artificial intelligence. This research discusses the importance of addressing this issue and how to apply complex networks in the development of technological solutions to identify and combat the dissemination of false information. The research methodology involves in-depth data analysis and a study of computational tools involving artificial intelligence, complex networks, data processing, and literature reviews. For data analysis, information on fake news will be collected using the FakeNewsNet database, taking into account entity relationships and extracting relevant characteristics related to the problem. Finally, complex network techniques will be employed to model and classify fake news using machine learning. Regarding computational tools, techniques of artificial intelligence such as decision trees, random forests, and deep neural networks will be explored. Natural language processing approaches will also be considered to analyze the content of news articles and identify features that can indicate the veracity or falsity of information. The literature review will examine relevant studies and works related to the topic, seeking theoretical foundation and important references in the field of combating fake news. Initiatives aimed at raising awareness and educating the public about fake news will be explored as well. The issues raised by this research underscore the importance of developing and utilizing advanced technological tools to combat fake news and promote the dissemination of accurate and reliable information. The application of complex networks and artificial intelligence in this context contributes to a more efficient and systematic approach in identifying and combating fake news, with the goal of protecting society and preserving the integrity of information on social media platforms. |
id |
UFU_7d9b1a088ea31c4ed7f0babc47c2536c |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/41258 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redesDetection and identification of fake news in social networks using network scienceFake newsFake newsRedes complexasComplex networksAprendizado de máquinaMachine learningCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOComputaçãoRedes sociaisNotícias falsasRedes de computadoresODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.This work aims to deepen and foster research on computational technological tools for combating fake news on social media platforms, utilizing complex networks and artificial intelligence. This research discusses the importance of addressing this issue and how to apply complex networks in the development of technological solutions to identify and combat the dissemination of false information. The research methodology involves in-depth data analysis and a study of computational tools involving artificial intelligence, complex networks, data processing, and literature reviews. For data analysis, information on fake news will be collected using the FakeNewsNet database, taking into account entity relationships and extracting relevant characteristics related to the problem. Finally, complex network techniques will be employed to model and classify fake news using machine learning. Regarding computational tools, techniques of artificial intelligence such as decision trees, random forests, and deep neural networks will be explored. Natural language processing approaches will also be considered to analyze the content of news articles and identify features that can indicate the veracity or falsity of information. The literature review will examine relevant studies and works related to the topic, seeking theoretical foundation and important references in the field of combating fake news. Initiatives aimed at raising awareness and educating the public about fake news will be explored as well. The issues raised by this research underscore the importance of developing and utilizing advanced technological tools to combat fake news and promote the dissemination of accurate and reliable information. The application of complex networks and artificial intelligence in this context contributes to a more efficient and systematic approach in identifying and combating fake news, with the goal of protecting society and preserving the integrity of information on social media platforms.Pesquisa sem auxílio de agências de fomentoDissertação (Mestrado)Este trabalho tem o objetivo de aprofundar e fomentar pesquisas sobre as ferramentas tecnológicas computacionais para o combate à disseminação de notícias falsas nas redes sociais, utilizando redes complexas e inteligência artificial. A pesquisa discute a importância de abordar esse tema e como aplicar redes complexas no desenvolvimento de soluções tecnológicas para identificar e combater a disseminação de notícias falsas. A metodologia da pesquisa envolve uma análise profunda dos dados coletados e um estudo sobre as ferramentas computacionais envolvendo inteligência artificial, redes complexas, processamentos de dados e revisões bibliográficas. Para a análise de dados, foi coletado informações sobre a base de dados FakeNewsNet, levando em consideração os relacionamentos das entidades e extraindo características relevantes ao problema. Por fim será empregado técnicas de redes complexas para modelar e fazer a classificação das fake news utilizando aprendizado de máquina. Quanto às ferramentas computacionais, serão exploradas técnicas de inteligência artificial, como os classificadores de arvore de decisão, arvore de decisão aleatória e redes neurais profundas. Também será considerado abordagens de processamento de linguagem natural para analisar o conteúdo das notícias e identificar características que possam indicar a veracidade ou falsidade das informações. A pesquisa bibliográfica irá revisar estudos e trabalhos relacionados ao tema, buscando embasamento teórico e referências importantes no campo do combate às fake news. Serão exploradas as iniciativas de conscientização e educação do público em relação às fake news. As questões levantadas por essa pesquisa reforçam a importância de desenvolver e utilizar ferramentas tecnológicas avançadas para combater às fake news e promover a disseminação de informações precisas e confiáveis. A aplicação de redes complexas e inteligência artificial nesse contexto contribui para uma abordagem mais eficiente e sistemática na identificação e combate às fake news, visando proteger a sociedade e preservar a integridade da informação nas redes sociais.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Ciência da ComputaçãoTravençolo, Bruno Augusto Nassifhttp://lattes.cnpq.br/2590427557264952Pereira, Fabíola Souza Fernandeshttp://lattes.cnpq.br/2320001731969968Linhares, Claudio Douglas Gouveiahttp://lattes.cnpq.br/0415158331496547Silva, Thiago Henrique Pereirahttp://lattes.cnpq.br/3301985425227294Carvalho, Jhonathan Alves de2024-02-26T16:32:07Z2024-02-26T16:32:07Z2024-01-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCARVALHO, Jhonathan Alves de. Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes. 2024. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.5000.https://repositorio.ufu.br/handle/123456789/41258http://doi.org/10.14393/ufu.di.2024.5000porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2024-02-27T06:19:23Zoai:repositorio.ufu.br:123456789/41258Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-02-27T06:19:23Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes Detection and identification of fake news in social networks using network science |
title |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
spellingShingle |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes Carvalho, Jhonathan Alves de Fake news Fake news Redes complexas Complex networks Aprendizado de máquina Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Redes sociais Notícias falsas Redes de computadores ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação. |
title_short |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
title_full |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
title_fullStr |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
title_full_unstemmed |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
title_sort |
Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes |
author |
Carvalho, Jhonathan Alves de |
author_facet |
Carvalho, Jhonathan Alves de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Travençolo, Bruno Augusto Nassif http://lattes.cnpq.br/2590427557264952 Pereira, Fabíola Souza Fernandes http://lattes.cnpq.br/2320001731969968 Linhares, Claudio Douglas Gouveia http://lattes.cnpq.br/0415158331496547 Silva, Thiago Henrique Pereira http://lattes.cnpq.br/3301985425227294 |
dc.contributor.author.fl_str_mv |
Carvalho, Jhonathan Alves de |
dc.subject.por.fl_str_mv |
Fake news Fake news Redes complexas Complex networks Aprendizado de máquina Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Redes sociais Notícias falsas Redes de computadores ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação. |
topic |
Fake news Fake news Redes complexas Complex networks Aprendizado de máquina Machine learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Redes sociais Notícias falsas Redes de computadores ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação. |
description |
This work aims to deepen and foster research on computational technological tools for combating fake news on social media platforms, utilizing complex networks and artificial intelligence. This research discusses the importance of addressing this issue and how to apply complex networks in the development of technological solutions to identify and combat the dissemination of false information. The research methodology involves in-depth data analysis and a study of computational tools involving artificial intelligence, complex networks, data processing, and literature reviews. For data analysis, information on fake news will be collected using the FakeNewsNet database, taking into account entity relationships and extracting relevant characteristics related to the problem. Finally, complex network techniques will be employed to model and classify fake news using machine learning. Regarding computational tools, techniques of artificial intelligence such as decision trees, random forests, and deep neural networks will be explored. Natural language processing approaches will also be considered to analyze the content of news articles and identify features that can indicate the veracity or falsity of information. The literature review will examine relevant studies and works related to the topic, seeking theoretical foundation and important references in the field of combating fake news. Initiatives aimed at raising awareness and educating the public about fake news will be explored as well. The issues raised by this research underscore the importance of developing and utilizing advanced technological tools to combat fake news and promote the dissemination of accurate and reliable information. The application of complex networks and artificial intelligence in this context contributes to a more efficient and systematic approach in identifying and combating fake news, with the goal of protecting society and preserving the integrity of information on social media platforms. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-02-26T16:32:07Z 2024-02-26T16:32:07Z 2024-01-17 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CARVALHO, Jhonathan Alves de. Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes. 2024. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.5000. https://repositorio.ufu.br/handle/123456789/41258 http://doi.org/10.14393/ufu.di.2024.5000 |
identifier_str_mv |
CARVALHO, Jhonathan Alves de. Detecção e identificação de notícias falsas em redes sociais utilizando abordagem de ciência de redes. 2024. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.5000. |
url |
https://repositorio.ufu.br/handle/123456789/41258 http://doi.org/10.14393/ufu.di.2024.5000 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Ciência da Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711594988765184 |