1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Uberlândia)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/40984
Full metadata record
DC FieldValueLanguage
dc.creatorTeles, Gabriel-
dc.date.accessioned2024-01-16T13:02:20Z-
dc.date.available2024-01-16T13:02:20Z-
dc.date.issued2023-12-04-
dc.identifier.citationTELES, Gabriel. Uso de redes neurais profundas para detecção de fake news. 2023. 37 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/40984-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectFake newspt_BR
dc.subjectPLNpt_BR
dc.subjectDeep learningpt_BR
dc.subjectWord2Vecpt_BR
dc.subjectLSTMpt_BR
dc.titleUso de redes neurais profundas para detecção de fake newspt_BR
dc.title.alternativeUse of deep neural networks to detect fake newspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Santos, Fernanda Maria da Cunha-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.contributor.referee1Caetano, Daniel Stefany Duarte-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8584154563547427pt_BR
dc.contributor.referee2Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.creator.Latteshttps://lattes.cnpq.br/5608225594650788pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste documento aborda a detecção de notícias falsas (fake news) por meio da aplicação de redes neurais de aprendizado profundo. O objetivo principal é desenvolver um sistema eficaz de detecção automática que possa discernir entre notícias reais e fabricadas. Uma base de dados pública contendo textos digitais verdadeiros e falsos, foi utilizada como fonte de informação, e os modelos proposto para o sistema computacional foram formados por técnicas de processamento de linguagem natural, principalmente, o Word2Vec e diferentes redes neurais LSTM (Long Short-Term Memory) como a responsável pela classificação dos textos. Os resultados revelam uma notável melhoria na precisão da detecção em comparação à outros métodos. As conclusões destacam a importância do uso de técnicas avançadas de processamento de linguagem natural e aprendizado profundo na mitigação do impacto das notícias falsaspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration37pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
Appears in Collections:TCC - Sistemas de Informação (Uberlândia)

Files in This Item:
File Description SizeFormat 
RedesNeuraisProfundas.pdfTCC1.25 MBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.