Detecção de Fake News em Português a partir de poucos dados rotulados
| dc.contributor.advisor1 | Silva, Nádia Félix Felipe da | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7864834001694765 | |
| dc.contributor.author | Silva, Jean Tomáz da | |
| dc.contributor.referee | Silva, Nádia Félix Felipe da | |
| dc.contributor.referee | Pereira, Fabíola Souza Fernandes | |
| dc.contributor.referee | Moura Júnior, José dos Reis Vieira de | |
| dc.creator.Lattes | http://lattes.cnpq.br/3575319833889509 | |
| dc.date.accessioned | 2025-04-25T14:18:46Z | |
| dc.date.issued | 2022-02-03 | |
| dc.description.abstract | Há estudos sobre detecção de fake news há vários anos, mas a maior parte dos estudos são baseados em notícias produzidas no idioma Inglês. Este trabalho apresenta um estudo para detecção de fake news em notícias produzidas no idioma Português Brasileiro. O estudo mostra uma análise experimental do comportamento de classificadores supervisionados e semi-supervisionados capazes de predizer se uma notícia é ou não categorizada como fake news. Considerando que um conjunto de dados possui a maior parte dos dados sem rótulo de classe e que este dados podem ser ou não fake news, essas definições identificam uma nova categoria de classificadores treinados a partir de exemplos positivos e exemplos sem rótulo, ou, PU (Positive and Unlabeled) learning. Os resultados do estudo mostram que o PU learning supera outros classificadores de aprendizado supervisionado e semi-supervisionado, pois consegue identificar com eficácia mais fake news em um cenário onde se tem poucos exemplos positivos. | |
| dc.description.resumo | There have been studies on detecting false news for several years, but most studies are based on news produced in the English language. This work presents a study to detect false news in news produced in Brazilian Portuguese language. The study shows an experimental analysis of the behavior of supervised and semi-supervised classifiers capable of predicting whether or not news is categorized as false news. Concepts that a dataset has most of the data without a class label and that this data may or may not be false news, these definitions identify a new category of classifiers trained from positive examples and unlabeled examples, or, PU (Positive and Unlabeled) learning. The results of the study show that PU learning outperforms other supervised and semi-supervised learning classifiers, as it can effectively identify more fake news in a scenario where there are few positive examples. | |
| dc.format | ||
| dc.identifier.uri | http://repositorio.ufcat.edu.br/123456789/12018 | |
| dc.language | pt | |
| dc.publisher | Universidade Federal de Catalão | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Instituto de Matemática e Tecnologia (IMTEC) | |
| dc.publisher.initials | UFCAT | |
| dc.publisher.program | Programa de Pós-Graduação em Modelagem e Otimização - Mestrado (PPGMO) | |
| dc.rights | http://purl.org/coar/access_right/c_abf2 | |
| dc.subject | PU Learning | |
| dc.subject | Notícias Falsas | |
| dc.subject | Avaliações Falsas | |
| dc.subject | Sem Rótulo | |
| dc.subject | Dois passos | |
| dc.title | Detecção de Fake News em Português a partir de poucos dados rotulados | |
| dc.title.alternative | Fake News Detection in Portuguese from Few Labeled Data | |
| dc.type | Dissertação |