Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9475
Type: Trabalho de conclusão de graduação
Title: Mineração de dados aplicada à identificação de notícias falsas
Author(s)/Inventor(s): Moraes, Marcos Paulo
Advisor: Sampaio, Jonice de Oliveira
Co-advisor: Charles, Anderson Cordeiro
Abstract: Notícias falsas existem há muito tempo. Porém, com o avanço da mídias sociais e do acesso à internet, elas se tornaram um problema maior. Devido à rápida disseminação em mídias sociais e aplicativos de mensagens instantâneas, notícias falsas podem alcançar mais pessoas em menos tempo e influenciar diretamente os processos democráticos, criar ou expandir crises sociais, alavancando problemas de segurança que às vezes levam a fins trágicos. Com o intuito de gerar um método rápido e automatizado de identificação de notícias falsas, este estudo realizou uma análise dessas notícias, escritas em português, a partir de um corpus e outras fontes de dados verificadas. A partir da linguagem de programação Python, com a utilização de bibliotecas conhecidas para processamento de linguagem natural e aprendizado de máquina, como scikit-learn, NLTK e spaCy; e fazendo uso de algoritmos como Multinomial Naive Bayes e AdaBoost para classificação de notícias; em conjunto com as ferramentas para indexação, visualização e análise de dados Elasticsearch e Kibana; foi possível verificar diferenças entre os padrões de escrita de notícias falsas e verdadeiras, criando um classificador de tais notícias. Validamos estudos anteriores e adicionamos novas variáveis para ajudar na identificação de notícias falsas.
Keywords: Fake news
Data mining
Text mining
Natural language processing
Subject CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Department : Instituto de Matemática
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: 31-Jul-2019
Publisher country: Brasil
Language: por
Right access: Acesso Aberto
URI: http://hdl.handle.net/11422/9475
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
MPMoraes.pdf1,28 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.