Título: | Uma ferramenta baseada em aprendizado de máquina para detecção de notícias falsas |
Autor(es): | Costa, Lucas Aquino |
Orientador(es): | Silva, Daniel Guerreiro e |
Assunto: | Máquinas de suporte vetorial Fake news Aprendizado de máquina |
Data de apresentação: | 18-Set-2024 |
Data de publicação: | 18-Dez-2024 |
Referência: | COSTA, Lucas Aquino. Uma ferramenta baseada em aprendizado de máquina para detecção de notícias falsas. 2024. 64 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2024. |
Resumo: | As notícias falsas (fake news) constituem um tipo de conteúdo informativo que se baseia
em informações inverídicas ou enganosas, apresentadas como se fossem verdadeiras. Essas
informações podem ser completamente fabricadas, sem qualquer relação com a realidade,
ou podem ser distorções de fatos, frequentemente disseminadas com o objetivo de influenciar opiniões, manipular emoções ou obter vantagens políticas. Essas notícias podem se
manifestar por meio de textos, imagens, vídeos ou outras formas de conteúdo informativo,
neste projeto, o foco estará nas notícias falsas apresentadas na forma de texto. Há muito
tempo, esforços têm sido empreendidos para combater a proliferação dessas notícias falsas. Este projeto tem como objetivo apresentar uma solução que possa ser distribuída para
consumidores de notícias. Para tanto, foi utilizado um trabalho anterior como base, com o
aprimoramento e adição de novas funcionalidades, visando disponibilizar essa ferramenta ao
público em geral. Foram empregadas soluções baseadas em Máquinas de Vetores de Suporte,
o desenvolvimento de uma extensão de navegador construído com JavaScript, e uma API
implementada em Python utilizando Flask. Ao final, é realizada uma análise detalhada do
uso da extensão em diferentes notícias, comprovando que é possível disponibilizar essa ferramenta para o usuário final. Ademais, testes realizados com duas bases de dados indicaram
o conjunto FakeRecogna com os melhores resultados. |
Abstract: | Fake news constitutes a type of informational content based on false or misleading information presented as if it were true. This information can be completely fabricated, with
no relation to reality, or may be distortions of facts, often disseminated with the intention
of influencing opinions, manipulating emotions, or gaining political advantages. These
news pieces can manifest in the form of text, images, videos, or other types of informational
content; in this project, the focus will be on fake news presented in text form. Efforts have
long been made to combat the spread of fake news. This project aims to present a solution
that can be distributed to news consumers. For this purpose, a previous work was used as a
foundation, with improvements and the addition of new functionalities to make this tool
available to the general public. Solutions based on Support Vector Machines were employed,
along with the development of a browser extension built with JavaScript, and an API implemented in Python using Flask. Finally, a detailed analysis of the extension’s use on different
news articles is conducted, proving that it is possible to provide this tool to the end user.
Furthermore, tests conducted with two datasets indicated that the FakeRecogna set yielded
the best results. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2024. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Engenharia da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.