Caracterização, evolução e identificação de padrões em notícias falsas: uma abordagem voltada à modelagem de tópicos

Alves, Leonardo Emerson André

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/21240

Type:	Trabalho de conclusão de graduação
Title:	Caracterização, evolução e identificação de padrões em notícias falsas: uma abordagem voltada à modelagem de tópicos
Author(s)/Inventor(s):	Alves, Leonardo Emerson André
Advisor:	Sampaio, Jonice de Oliveira
Co-advisor:	Silva, Sirius Thadeu Ferreira da
Abstract:	As notícias falsas constituem um problema central na sociedade atual. O avanço das tecnologias e mídias digitais tem alavancado esse problema, visto que se caracterizam como meios extremamente rápidos para disseminação de informação. Dessa forma, a disseminação de desinformações pode implicar em diversos problemas para a sociedade, tais como: influenciar processos democráticos, dificultar o contingenciamento de pandemias, ocasionar crises sociais, que podem trazer graves consequências para a população, entre outros. Este estudo tem como intuito a criação de um processo voltado para a caraterização, descrição da evolução e identificação de padrões em notícias com foco no estudo de notícias falsas escritas em português. Nesse sentido, o foco deste trabalho consiste na caracterização das notícias falsas estudadas por meio da análise textual das mesmas a partir da utilização de uma base de dados de notícias coletadas entre 2013 e 2021, com o uso de técnicas de processamento de linguagem natural e modelagem de tópicos. Portanto, este estudo realizou o tratamento e aperfeiçoamento de um corpus com uso de técnicas tanto de limpeza de dados, quanto de Web Scraping, e posteriormente uma análise das notícias falsas desse corpus, com o uso da linguagem de programação Python, e também com o uso de bibliotecas conhecidas para processamento de linguagem natural e modelagem de tópicos, como NLTK, gensim e spaCy; e fazendo uso de algoritmos tradicionais para modelagem de tópicos como Latent Dirichlet Allocation (LDA) e Latent Semantic Analysis (LSA); em conjunto com as bibliotecas para indexação, visualização e análise de dados Pandas, Matplotlib, Seaborn, Numpy; foi possível dessa forma compreender o avanço dos assuntos e padrões de escrita de notícias falsas, criando um dicionário que caracteriza tais notícias.
Keywords:	Fake news Análise de texto Processamento de linguagem natural Modelagem de dados
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	28-Jun-2023
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
LEAAlves.pdf		3.72 MB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository