1. Repositório Institucional Unichristus
  2. Cursos de Graduação
  3. Sistemas de Informação
  4. Sistemas de Informação - Trabalhos de Conclusão de Curso
Please use this identifier to cite or link to this item: https://repositorio.unichristus.edu.br/jspui/handle/123456789/1745
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNascimento Teixeira, Daniel-
dc.contributor.authorGADELHA SANTOS, MIRELLA-
dc.date.accessioned2024-09-30T19:36:54Z-
dc.date.available2024-09-30T19:36:54Z-
dc.date.issued2020-08-01-
dc.identifier.urihttps://repositorio.unichristus.edu.br/jspui/handle/123456789/1745-
dc.description.abstractCom a popularização da internet e consequentemente com a facilidade de acesso às informações disponíveis no âmbito online, sobretudo em virtude do uso das redes sociais digitais, o consumo e a disseminação de informações falsas vêm trazendo à tona uma constante preocupação em todo o mundo em relação ao seu potencial de circulação e as consequências negativas que as chamadas fake news podem acarretar. Preocupado com a gravidade que o tema apresenta à nossa sociedade e em um esforço para auxiliar no combate à crescente desinformação, este trabalho propôs a detecção automática de fake news utilizando inteligência artificial e algoritmos de aprendizado supervisionado para classificação de notícias falsas no idioma português brasileiro. Assim, foram considerados dois algoritmos de classificação: o Multinomial Naive Bayes, baseado na regra de Bayes, e o Passive Agressive. Para analisar o desempenho destes classificadores também foram utilizadas duas técnicas de validação de dados: a Hold-Out e Cross-Validation. Ambos os algoritmos alcançaram resultados satisfatórios ao classificar as notícias, entretanto, os resultados para o algoritmo de classificação Passive Agressive se mostraram superiores obtendo uma acurácia de 91,81% ao utilizar a técnica Hold-Out e 92,29% ao empregar a técnica Cross-Validation.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectFake Newspt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectProcessamento de Linguagem Naturalpt_BR
dc.titleDETECÇÃO DE FAKE NEWS: UM COMPARATIVO ENTRE OS MODELOS DE APRENDIZADO SUPERVISIONADO PASSIVE AGRESSIVE E MULTINOMIAL NAIVE BAYESpt_BR
dc.typeTCCpt_BR
dc.title.inglesFake News Detection: A Comparison Between the Supervised Learning Models Passive Aggressive and Multinomial Naive Bayespt_BR
dc.description.resumo_abstractThe popularization of the Internet and the facility of access to all the available information online, mostly because of the use of social media, has brought to surface the consumption and the spread of Fake News in this age and, with that, the constant worry about their capacity of circulation or even the negative consequences that could come with them. Concerned with the importance of this theme to our society and with and effort to to combat misinformation, this Paper proposes the automatic detection of Fake News using a system based on artificial intelligence and supervised machine learning algorithms to classify Fake News written on portuguese language. Thus, two algorithms were considered in the classification. The Multinomial Naive Bayes, based on the Bayes rule, and the Passive Agressive. Also, to analyze the performance of these classifiers, two techniques of data validation were used: the Hold-Out and the Cross-Validation. Both algorithms achieved satisfactory results on the task to classify the news. However, the results of the Passive Agressive were superiors and obtained a 91,81% accuracy when using the Hold-Out technique and a 92,29% accuracy with the Cross-Validation technique.pt_BR
Appears in Collections:Sistemas de Informação - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
TCC__Mirella_final.pdfTcc Mirella3.92 MBAdobe PDFThumbnail
View/Open
Show simple item record


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