Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007| Title: | Comparação entre modelos com diferentes abordagens para classificação de fake news. |
| Other Titles: | Comparison between models with different approaches to fake news Classification. |
| ???metadata.dc.creator???: | BRASIL, Lucas Cordeiro. |
| ???metadata.dc.contributor.advisor1???: | BAPTISTA, Cláudio de Souza. |
| ???metadata.dc.contributor.referee1???: | GHEYI, Rohit. |
| ???metadata.dc.contributor.referee2???: | MASSONI, Tiago Lima. |
| Keywords: | Fake news;Aprendizagem de máquina;BERT;Algoritmos;Naive Bayes;XGBoost;Transformers;Machine learning;Algorithms |
| Issue Date: | 20-Oct-2021 |
| Publisher: | Universidade Federal de Campina Grande |
| Citation: | 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 |
| ???metadata.dc.description.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. |
| Abstract: | 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. |
| Keywords: | Fake news Aprendizagem de máquina BERT Algoritmos Naive Bayes XGBoost Transformers Machine learning Algorithms |
| ???metadata.dc.subject.cnpq???: | Ciência da Computação |
| URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007 |
| Appears in Collections: | Trabalho de Conclusão de Curso - Artigo - Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| LUCAS CORDEIRO BRASIL - TCC ARTIGO CIÊNCIA DA COMPUTAÇÃO 2021.pdf | Lucas Cordeiro Brasil - TCC Artigo Ciência da Computação CEEI 2021 | 397.62 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.