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

Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007

Full metadata record

DC Field	Value	Language
dc.creator.ID	BRASIL, L. C.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/6427794286970373	pt_BR
dc.contributor.advisor1	BAPTISTA, Cláudio de Souza.	-
dc.contributor.advisor1ID	BAPTISTA, C. S.	pt_BR
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/0104124422364023	pt_BR
dc.contributor.referee1	GHEYI, Rohit.	-
dc.contributor.referee1ID	GHEYI, R.	pt_BR
dc.contributor.referee1Lattes	http://lattes.cnpq.br/2931270888717344	pt_BR
dc.contributor.referee2	MASSONI, Tiago Lima.	-
dc.contributor.referee2ID	MASSONI, T. L.	pt_BR
dc.contributor.referee2Lattes	http://lattes.cnpq.br/3563923906851611	pt_BR
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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Centro de Engenharia Elétrica e Informática - CEEI	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Ciência da Computação	pt_BR
dc.title	Comparação entre modelos com diferentes abordagens para classificação de fake news.	pt_BR
dc.date.issued	2021-10-20	-
dc.description.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.	pt_BR
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25007	-
dc.date.accessioned	2022-05-04T11:45:42Z	-
dc.date.available	2022-05-04	-
dc.date.available	2022-05-04T11:45:42Z	-
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.subject	Fake news	pt_BR
dc.subject	Aprendizagem de máquina	pt_BR
dc.subject	BERT	pt_BR
dc.subject	Algoritmos	pt_BR
dc.subject	Naive Bayes	pt_BR
dc.subject	XGBoost	pt_BR
dc.subject	Transformers	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Algorithms	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	BRASIL, Lucas Cordeiro.	-
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Comparison between models with different approaches to fake news Classification.	pt_BR
dc.identifier.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	pt_BR
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

Show simple item record