Redes neurais recorrentes aplicadas à classificação de fake news em língua portuguesa

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSilva, Leila Weitzel Coelho da-
Autor(es): dc.contributorMoreira, Leonard Barreto-
Autor(es): dc.contributorLinden, Ricardo-
Autor(es): dc.contributorhttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4257635E9-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2768655384552211-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2768655384552211-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1253432326873186-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6444936383001612-
Autor(es): dc.creatorAlves, Jairo Luciano Dias-
Data de aceite: dc.date.accessioned2024-07-11T18:25:38Z-
Data de disponibilização: dc.date.available2024-07-11T18:25:38Z-
Data de envio: dc.date.issued2020-04-01-
Data de envio: dc.date.issued2020-04-01-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/13195-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.22409/PPG-MESC.2019.m.05758929433-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/770344-
Descrição: dc.descriptionAs técnicas de Deep Learning (Aprendizagem Profunda) têm alcançado bons resultados na última década, com aplicações bem-sucedidas nas mais variadas áreas de pesquisa. Identifica-se uma oportunidade de utilização de técnicas de Deep Learning, tais como alguns tipos de Redes Neurais Recorrentes para aplicações na área de Processamento de Linguagem Natural (NLP) em língua portuguesa. A pesquisa tem como objetivo principal avaliar e detectar notícias falsas (fake news) utilizando as redes recorrentes do tipo Long Short-Term Memory (LSTM), para a classificação automática de fake news (notícias falsas) em língua portuguesa. Dois datasets reais foram utilizados para a realização de experimentos com 36 configurações diferentes de modelos neurais para a tarefa de classificação binária, fim-a-fim. Os resultados indicam que modelos com redes LTSM bidirecionais profundas, vetorização de entradas com word embeddings treináveis e, se preciso, aplicação de fator multiplicador bem ajustado apresentaram boa capacidade discriminativa na tarefa de classificação de fake news-
Descrição: dc.descriptionDeep Learning techniques have shown remarkable results in the last decade, with successful applications in a broad range of research fields. We identify a research opportunity to apply Deep Learning techniques such as some Recurrent Neural Networks (RNN) to Natural Language Processing (NLP) tasks for texts written in Portuguese. This work aims to study and evaluate the use of Long Short-Term Networks (LSTM) to the task of fake-news automatic detection. Two real-world datasets are used to test 36 model configurations on the binary, end-to-end, classification task of automatically detecting fake news. The experimental results suggest that Bidirectional LSTM models, combined with trainable word embeddings and, when applicable, a tuned multiplier factor show good discriminative power in the task of fake news automatic classification-
Descrição: dc.description158f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherRio das Ostras-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRedes neurais recorrentes-
Palavras-chave: dc.subjectLong-short term memory-
Palavras-chave: dc.subjectProcessamento de linguagem natural-
Palavras-chave: dc.subjectDetecção de fake news-
Palavras-chave: dc.subjectRedes neurais-
Palavras-chave: dc.subjectFake news-
Palavras-chave: dc.subjectNotícia jornalística-
Palavras-chave: dc.subjectLingua portuguesa-
Palavras-chave: dc.subjectProcessamento de linguagem natural (Computação)-
Palavras-chave: dc.subjectRecurrent neural networks-
Palavras-chave: dc.subjectLong-short term memory-
Palavras-chave: dc.subjectNatural language processing-
Palavras-chave: dc.subjectFake news detection-
Título: dc.titleRedes neurais recorrentes aplicadas à classificação de fake news em língua portuguesa-
Tipo de arquivo: dc.typeDissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.