Detecção de notícias falsas usando técnicas de deep learning (2019)
- Authors:
- Autor USP: GUARISE, LUCAS - EESC E ICMC
- Unidade: EESC E ICMC
- Sigla do Departamento: SCC
- Subjects: PROCESSAMENTO DE LINGUAGEM NATURAL; INTELIGÊNCIA ARTIFICIAL
- Language: Português
- Abstract: Com a democratização da comunicação proporcionada pelo uso massivo das redes sociais surge um problema que se mostra capaz de influenciar muitos e mudar o curso da atualidade, fala-se do grande aumento da quantidade de notícias falsas e do escalonamento do compartilhamento dessas notícias pela rede. Devido ao grande número de notícias, e sua velocidade de propagação pela rede, a revisão de todo esse conteúdo por profissionais capacitados se torna infactível. Uma das formas mais promissoras de combate à disseminação de notícias falsas é a automatização na detecção desse conteúdo, ou seja, a capacidade de classificar o conteúdo como verdadeiro ou não sem a interação de um humano. Diversos esforços na tentativa de construir algoritmos capazes de fazer essa classificação já existem, alguns por parte de vários pesquisadores e outros até por parte de empresas como Google e Facebook. O uso de algoritmos de aprendizado de máquina e mais especificamente o uso de aprendizado profundo se mostram promissores devido a capacidade de reconhecer padrões semânticos de que escapam ao leitor comum, que podem indicar se a notícia é verdadeira ou não. Além disso o avanço de técnicas de processamento de linguagem natural e de algoritmos para a criação de palavras vetorizadas contribui para uma melhor performance de redes neurais sobre tarefas relacionadas com texto. Neste projeto explora-se o uso de modelos de aprendizado profundo para construir um classificador sobre a veracidade de notícias. O modelo de rede de aprendizado profundo escolhido foi o hierarchical attention networks, ou HAN. Este modelo cria uma representação efetiva do texto e, diferentemente de outras arquiteturas de redes, permite a visualização dos dados de saída. Através de um mapa de calor obtêm-se uma indicação do porquê da classe escolhida, dando destaque as palavras e sentenças consideradas mais importantes para a classificação.Neste projeto também usa-se de modelos pré-treinados para a criação das palavras vetorizadas, usando o algoritmo Word2vec. Após a construção, o modelo foi treinado e avaliado com base em um banco de dados de notícias pré classificadas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
-
ABNT
GUARISE, Lucas. Detecção de notícias falsas usando técnicas de deep learning. 2019. Trabalho de Conclusão de Curso (Graduação) – , Universidade de São Paulo, São Carlos, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/494173d1-2375-4063-8b9c-8146811ffe6f/lucas%20guarise.pdf. Acesso em: 22 mar. 2025. -
APA
Guarise, L. (2019). Detecção de notícias falsas usando técnicas de deep learning (Trabalho de Conclusão de Curso (Graduação). , Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/494173d1-2375-4063-8b9c-8146811ffe6f/lucas%20guarise.pdf -
NLM
Guarise L. Detecção de notícias falsas usando técnicas de deep learning [Internet]. 2019 ;[citado 2025 mar. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/494173d1-2375-4063-8b9c-8146811ffe6f/lucas%20guarise.pdf -
Vancouver
Guarise L. Detecção de notícias falsas usando técnicas de deep learning [Internet]. 2019 ;[citado 2025 mar. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/494173d1-2375-4063-8b9c-8146811ffe6f/lucas%20guarise.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
lucas guarise.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
