Publicação:
Análise experimental do desempenho de grandes modelos de linguagens na detecção de notícias falsas

Página do item simplificado
dc.contributor.advisor-co1Quincozes, Silvio Ereno
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9401130360785458pt_BR
dc.contributor.advisor1Rocha, Adriano Mendonça
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9672436935373713pt_BR
dc.contributor.referee1Miani, Rodrigo Sanches
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.contributor.referee2Carneiro, Murillo Guimarães
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8158868389973535pt_BR
dc.creatorAnjos, Lucas Sousa dos
dc.date.accessioned2024-01-25T15:03:44Z
dc.date.available2024-01-25T15:03:44Z
dc.date.issued2023-11-23
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA disseminação de notícias falsas tornou-se uma preocupação significativa na sociedade atual. Esse problema é evidente em plataformas de mídia social, onde a propagação de desinformação se tornou uma presença constante na vida diária de muitos indivíduos. Neste trabalho, é investigado o desempenho das ferramentas GPT e Bard na classificação de notícias falsas e reais, considerando 200 artigos de jornal e duas estratégias de formulação de perguntas. Os resultados revelam que o uso de uma pergunta bem formulada é crucial para obter respostas mais precisas. Em particular, foi observado uma melhoria de 46.6% na métrica F1-Score no primeiro modelo do GPT direcionando a pergunta para focar nas características de um texto falso. No segundo modelo o F1-Score registrou uma melhoria de 22.22% para 76.68% quando o foco do prompt era nas características de uma notícia falsa. Já no Bard os resultados foram mais timídos, com um F1-Score de 40.45% já na pergunta mais específica. As descobertas apresentadas nesse estudo indicam a superioridade do GPT em relação ao Bard. Ao realizar a detecção de fake news em todos os testes a ferramenta da OpenAI foi superior à ferramenta da Google na métrica de F1-Score.pt_BR
dc.identifier.citationANJOS, Lucas Sousa dos. Análise experimental do desempenho de grandes modelos de linguagens na detecção de notícias falsas. 2023. 52 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/41044
dc.languageporpt_BR
dc.orcid.putcode151639414
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration52pt_BR
dc.subjectChatGPTpt_BR
dc.subjectBardpt_BR
dc.subjectInteligência artificalpt_BR
dc.subjectDetecção de fake newspt_BR
dc.subjectProcessamento de linguagem naturalpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAnálise experimental do desempenho de grandes modelos de linguagens na detecção de notícias falsaspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
AnáliseExperimentalDesempenho.pdf
Tamanho:
1.14 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar

Coleções

TCC - Sistemas de Informação (Uberlândia)