Métodos de Detecção de Fake News: Uma Comparação entre as Abordagens de Crowd Signals e Ensembles
Resumo
A crescente disseminação de fake news deve-se à facilidade de criação e consumo de informações nos meios digitais. Para identificá-las, a abordagem baseada em crowd signals híbridos (HCS) combina sinais (opiniões sobre sua veracidade) coletados de usuários ou de classificadores de aprendizado de máquina (AM). Embora promissora, a abordagem HCS emprega um método ingênuo (Naive Bayes) para combinar os sinais e inferir quais notícias são falsas. Assim, o presente trabalho questiona se o uso de métodos Ensemble para conjugar opiniões fornecidas pelos classificadores de AM usados na HCS pode aprimorar os modelos de classificação resultantes. Experimentos preliminares com os datasets usados na HCS revelam indícios de validade da hipótese.
Palavras-chave:
Fake news, misinformation, disinformation, machine learning, ensemble, crowd signals
Referências
de Souza, M. P., da Silva, F. R. M., Freire, P. M. S., and Goldschmidt, R. R. (2020). A linguistic-based method that combines polarity, emotion and grammatical characteristics to detect fake news in portuguese. WebMedia.
Freire, P. and Goldschmidt, R. (2019). Uma introdução ao combate automático às fake news em redes sociais virtuais. SBBD.
Moraes, M. P., de Oliveira Sampaio, J., and Charles, A. C. (2019). Data mining applied in fake news classification through textual patterns. WebMedia.
Souza Freire, P. M., Matias da Silva, F. R., and Goldschmidt, R. R. (2021). Fake news detection based on explicit and implicit signals of a hybrid crowd: An approach inspired in meta-learning. Expert Systems with Applications, 183.
Tschiatschek, S., Singla, A., Gomez Rodriguez, M., Merchant, A., and Krause, A. (2018). Fake news detection in social networks via crowd signals. International WWW.
Zhang, C. and Ma, Y. (2012). Ensemble Machine Learning: Methods and Applications. Springer.
Freire, P. and Goldschmidt, R. (2019). Uma introdução ao combate automático às fake news em redes sociais virtuais. SBBD.
Moraes, M. P., de Oliveira Sampaio, J., and Charles, A. C. (2019). Data mining applied in fake news classification through textual patterns. WebMedia.
Souza Freire, P. M., Matias da Silva, F. R., and Goldschmidt, R. R. (2021). Fake news detection based on explicit and implicit signals of a hybrid crowd: An approach inspired in meta-learning. Expert Systems with Applications, 183.
Tschiatschek, S., Singla, A., Gomez Rodriguez, M., Merchant, A., and Krause, A. (2018). Fake news detection in social networks via crowd signals. International WWW.
Zhang, C. and Ma, Y. (2012). Ensemble Machine Learning: Methods and Applications. Springer.
Publicado
25/09/2023
Como Citar
MEROLA, Uriel; FREIRE, Paulo M. S.; GOLDSCHMIDT, Ronaldo R.; SOARES, Jorge.
Métodos de Detecção de Fake News: Uma Comparação entre as Abordagens de Crowd Signals e Ensembles. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 38. , 2023, Belo Horizonte/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 372-377.
ISSN 2763-8979.
DOI: https://doi.org/10.5753/sbbd.2023.233398.
