Classificador de fake news utilizando um modelo de aprendizado de máquina com técnicas de processamento de linguagem natural

Abstract

Fake news tem um importante impacto social atualmente. Detectar fake news tem sido o objetivo de diversas pesquisas e o interesse em categorizá-las tem crescido. Métodos de aprendizado de máquina tem ganhado destaque. Portanto, este estudo objetivou implementar a técnica de classificação do classificador PassiveAgressiveClassifer em conjunto com o processamento de linguagem natural para classificar notícias em falsas e verdadeiras. Para tal, quatro datasets foram utilizados, contendo obrigatoriamente title, text e label. O treinamento foi dividido em 70% treino e 30% teste, em seguida, foram tratados com TfidfVectorizer e submetidos ao classificador PassiveAgressiveClassifier para a obtenção dos resultados. As métricas utilizadas foram accuracy, precision e recall. Todas as bases de dados obtiveram taxa acima de 78%, sendo consideradas ótimas. Entre as bases escolhidas, o dataset FK3 obteve o melhor desempenho, apresentando taxa de 99%. Os resultados obtidos neste trabalho mostram o potencial do classificador e o processamento de linguagem natural como uma alternativa a detecção de notícias falsas.