Mineração de dados aplicada à identificação de notícias falsas

Moraes, Marcos Paulo

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9475

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Sampaio, Jonice de Oliveira	-
dc.contributor.author	Moraes, Marcos Paulo	-
dc.date.accessioned	2019-09-12T12:27:44Z	-
dc.date.available	2023-12-21T03:01:23Z	-
dc.date.issued	2019-07-31	-
dc.identifier.uri	http://hdl.handle.net/11422/9475	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Fake news	en
dc.subject	Mineração de dados	pt_BR
dc.subject	Reconhecimento de texto	pt_BR
dc.subject	Processamento de linguagem natural	pt_BR
dc.title	Mineração de dados aplicada à identificação de notícias falsas	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/0990344839864230	pt_BR
dc.contributor.advisorCo1	Charles, Anderson Cordeiro	-
dc.contributor.referee1	Bastos, Valéria Menezes	-
dc.contributor.referee2	Sousa, Diogo Nolasco Ferreira	-
dc.description.resumo	Notícias falsas existem há muito tempo. Porém, com o avanço das 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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
MPMoraes.pdf		1.28 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository