Publicação:
Detecção de Fake News Usando Redes Neurais Baseadas em Transformers

Página do item simplificado
dc.contributor.advisor1Santos, Fernanda Maria da Cunha
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.contributor.referee1Paiva, Elaine Ribeiro de Faria
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8238524390290386pt_BR
dc.contributor.referee2Dorça, Fabiano Azevedo
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3944579737930998pt_BR
dc.creatorPellegrini, Lucas Guerreiro
dc.date.accessioned2025-11-06T02:41:59Z
dc.date.available2025-11-06T02:41:59Z
dc.date.issued2025-09-19
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA 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.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.identifier.citationPELLEGRINI, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/47573
dc.languageporpt_BR
dc.orcid.putcode196178314
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sizeorduration42pt_BR
dc.subjectProcessamento de Linguagem Naturalpt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectFake Newspt_BR
dc.subjectRedes Transformerspt_BR
dc.subjectInteligência Artificialpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleDetecção de Fake News Usando Redes Neurais Baseadas em Transformerspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

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

Coleções

TCC - Ciência da Computação