Treinando e comparando modelos de deep learning para a tarefa de classificação de fake news a partir de seus elementos textuais.

Abstract

No cenário pós-Covid, as tecnologias de informação evoluem continuamente, impulsio nando novas formas de consumo de informações pela internet. O acesso crescente à inter net expõe os indivíduos a uma quantidade cada vez maior de informações, tornando-se um ambiente competitivo onde agentes maliciosos aproveitam o caos para disseminar Fake News com objetivos financeiros ou políticos. Esse fenômeno é especialmente evidente em aplicativos de mensagem, onde notícias falsas são compartilhadas em grupos obscuros, dificultando seu controle. Diante desse desafio, torna-se necessária uma abordagem auto matizada para detectar essas notícias falsas. Este trabalho visa desenvolver um modelo que sane essa necessidade. Esse trabalho visa coletar dados de Fake News rotulados e treinar três modelos de aprendizado de maquina com três arquiteturas de Deep Learning distintas utilizando embeddings para a representação de dados, para que seja possível compara-los e selecionar o mais adequado para a tarefa.