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

• Ano de defesa: 2019
• Autor(a) principal: Alves, Jairo Luciano Dias
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Rio das Ostras
• Palavras-chave em Português: Redes neurais recorrentes; Long-short term memory; Processamento de linguagem natural; Detecção de fake news; Redes neurais; Fake news; Notícia jornalística; Lingua portuguesa; Processamento de linguagem natural (Computação); Recurrent neural networks; Natural language processing; Fake news detection
• Link de acesso: https://app.uff.br/riuff/handle/1/13195; http://dx.doi.org/10.22409/PPG-MESC.2019.m.05758929433

As 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