Liardetector: a linguistic-based approach for identifying fake news
Carregando...
Data
Autores
Orientador(es)
Coorientador(es)
Nakamura, Fabiola Guerra
Membros da banca
Silva, Altigran Soares da
Freire, Juliana
Freire, Juliana
Pós-Graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal do Amazonas
Tipo
Direito de acesso
DOI
Resumo
Devido à infraestrutura da Web existente e à popularidade das plataformas de mídia sociais, é fácil compartilhar informações de forma massiva. Embora esse cenário online traga benefícios para a sociedade, ele também favorece que grupos maliciosos propaguem desinformação (notícias falsas) na Web, causando danos que vão desde afetar a reputação de entidades públicas (empresas, celebridades) a interferir em processos políticos. Neste trabalho, propomos uma nova abordagem de classificação baseada em padrões linguísticos para identificar notícias falsas. Tal abordagem reduz a dimensionalidade do espaço de características ao codificar distribuições de probabilidade de tokens (por exemplo, palavras) como valores de divergência e entropia. Nós descrevemos resultados experimentais, usando vários conjuntos de dados, que mostram que nossa abordagem é uma solução que melhora tanto a eficácia, quanto eficiência de modelos de aprendizagem. Em comparação com o \textit{baseline}, nossa abordagem usa quatro ordens de magnitude menos atributos e obtém um ganho de até 74,3% de eficácia (Medida-F).
Abstract
Due to the existing Web infrastructure and the popularity of social
media platforms, it is easy to share information in large scale. Although
this online scenario brings benefits to the society, it also
favors malicious groups that propagate misinformation (e.g., alternative
facts, fake news) on the Web, causing damages that range
from affecting the reputation of public entities (companies, celebrities)
to interfering on political process. In this work, we propose a
novel classification approach based on linguistic patterns
for identifying fake news. Our approach reduces the dimensionality
of the feature space by encoding probability distributions
of tokens (e.g., words) as Shannon entropy and Jensen-Shannon
divergence values. We report experimental results using multiple
data sets, which show that our approach is a win-win solution that
improves efficacy and efficiency. Compared to the baseline, our
approach uses four orders of magnitude less features, and achieve a
gain up to 74.3% of F1-score.
Descrição
Palavras-chave
Termo controlado
Fake news; Aprendizado de máquina
Objetivos de Desenvolvimento Sustentável (ODS)
Citação
ALMEIDA, Thais Gomes de. Liardetector: a linguistic-based approach for identifying fake news. 2019. 86 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Direitos e licenciamento
Acesso Aberto