Publicação: Detecção de Fake News Usando Redes Neurais Baseadas em Transformers
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A rápida expansão da internet e das redes sociais tem favorecido a disseminação das chamadas “Fake News” notícias falsas). A dimensão alcançada por esse fenômeno evidencia uma lacuna no combate à desinformação. Este trabalho tem como objetivo empregar modelos de classificação baseados na arquitetura Transformer para a detecção de notícias falsas em textos escritos em língua portuguesa. Foram desenvolvidos três modelos distintos: (1) Encoder-Only, (2) Decoder-Only e (3) Encoder-Decoder, todos treinados sobre um conjunto de dados obtido pela união de dois corpora. Além disso, foram implementados classificadores tradicionais, cujos resultados de validação cruzada serviram de comparação com os modelos propostos. Os três modelos Transformers apresentaram desempenho superior ao apresentado pelos demais modelos. Em um comparativo realizado apenas entre os modelos baseados em Transformers, todos apresentaram desempenho semelhante. O modelo Encoder-Only destacou-se por alcançar valores de acurácia e precisão superiores a 95,8%, exigindo um tempo de treinamento significativamente menor. Conclui-se que a aplicação da arquitetura Transformer caracteriza uma escolha eficaz de rede neural para a tarefa de classificação de notícias falsas em português e pode contribuir para o desenvolvimento de ferramentas voltadas ao enfrentamento da desinformação.
Abstract
Palavras-chave
Processamento de Linguagem Natural, Aprendizado de Máquina, Fake News, Redes Transformers, Inteligência Artificial
Citação
PELLEGRINI, Lucas Guerreiro. Detecção de Fake News Usando Redes Neurais Baseadas em
Transformers. 2025. 42 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto