Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Berardi, Rita Cristina Galarraga | - |
Autor(es): dc.contributor | Furucho, Mariana Antonia Aguiar | - |
Autor(es): dc.creator | Durgiewicz, Rodrigo Cardoso | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:17:21Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:17:21Z | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2021-07-26 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28048 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706122 | - |
Descrição: dc.description | Fake News, the term that gained visibility during the latest presidential elections in several countries, spreads quickly, becoming a concern for society. The objective of this work is to obtain a machine learning model to detect fake news using the Naive Bayes algorithm. This study contemplates the theoretical basis, as well as the 4 steps for the model development: Data Collection, Pre-Processing, Data Mining and PostProcessing. The results were obtained through the accuracy, precision, recall and F1- Score metrics. The algorithm accuracy to detect fake news was 84%. | - |
Descrição: dc.description | Fake news, o termo que ganhou visibilidade durante as últimas eleições presidenciais de diversos países, propagam-se rapidamente, tornando-se uma preocupação para a sociedade. O objetivo deste trabalho é obter um modelo de aprendizado de máquina para detecção de notícias falsas utilizando o algoritmo Naive Bayes. Este estudo contempla o embasamento teórico, bem como as 4 etapas para o desenvolvimento do modelo: Coleta de Dados, Pré-Processamento, Mineração de Dados e PósProcessamento. Os resultados foram obtidos através das métricas de acurácia, precisão, recall e F1-score. O algoritmo obteve uma acurácia de 84% para a detecção de fake news. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência de Dados e suas Aplicações | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Aprendizado de máquinas | - |
Palavras-chave: dc.subject | Notícias falsas | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Fake news | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Data mining | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Detecção de fake news utilizando o algoritmo Naïve Bayes | - |
Título: dc.title | Fake news detection applying Naïve Bayes Algorithm | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: