DETECÇÃO DE FAKE NEWS USANDO OS ALGORITMOS DECISION TREE, SUPPORT VECTOR MACHINE E K-NEAREST NEIGHBORS
Palavras-chave:
Fake News, Machine Learning, Python, AlgoritmosResumo
Fake News é uma informação falsa, normalmente divulgada nas redes sociais e devido ao seu poder de disseminação na internet pode gerar problemas significativos na sociedade. Dessa forma, é necessário que se desenvolvam alternativas que busquem amenizar tais efeitos, como a detecção de Fake News aplicando técnicas e algoritmos de Machine Learning. O objetivo desse trabalho é analisar o uso e eficiência de algoritmos de ML na detecção de notícias falsas. A pesquisa é da modalidade aplicada, visando um estudo descritivo e quantitativo. Os dados foram coletados em conjunto na plataforma Kaggle e a extração de dados utilizando a linguagem Python, o processamento foi realizado pela plataforma Jupyter Notebook.
Referências
ALBON, Chris. Machine Learning with Python Cookbook. 1ª edição. Estados Unidos: O’Reilly Media, Abril de 2018.
AMORIM, Paulo H. J.; MORAES, Thiago F. de; AZEVEDO, Fábio de S.; SILVA, Jorge V. L. da. INVESALIUS: SOFTWARE LIVRE DE IMAGENS MÉDICAS. Nº 4, 2011. Anais eletrônicos. Campinas – SP. Disponível em: . Acesso em 25 de março de 2021.
BARRETT, P., HUNTER, J., MILLER, J. T., J.-C. GREENFIELD, Hsu, and P., “matplotlib -- A Portable Python Plotting Package,” ASP Conf. Ser., vol. 347, no. June, p. 91, 2015.
BEYER, Kevin et al. When is “nearest neighbor” meaningful?. International conference on database theory. Springer, Berlin, Heidelberg, 1999. p. 217-235.
CARVALHO, Mariana Freitas Canielo de; MATEUS, Cristielle Andrade. Fake News E Desinformação No Meio Digital: Análise Da Produção Científica Sobre O Tema Na Área De Ciência Da Informação. V EREBD, 2018. Universidade Federal de Minas Gerais. Belo Horizonte – MG.
COUTINHO, Bernardo. Modelos de predição SVM. Medium, 2019. Disponível em: <https://medium.com/turing-talks/turing-talks-12-classifica%C3%A7%C3%A3o-por-svm-f4598094a3f1>. Acesso em: 01 de Outubro de 2020.
DUDA, Richard O.. HART, Peter E. STORK, David G.. Pattern Classification. 2ª edição. Wiley-Interscience, 2000.
FOSSENG, S. Learning Distance Functions in k-Nearest Neighbors. Dissertação (Mestrado) — Institutt for datateknikk og informasjonsvitenskap, 2013.
GUIMARÃES, Amanda Munari. Estatística: Análise de regressão linear e análise de regressão logística com R. Medium, 2019. Disponível em: <https://medium.com/omixdata/estat%C3%ADstica-an%C3%A1lise-deregress%C3%A3o-linear-e-an%C3%A1lise-de-regress%C3%A3o-log%C3%ADsticacom-r-a4be254df106>. Acesso em: 01 de Outubro de 2020.
Introdução ao Python. DevMedia. Disponível em: <https://www.devmedia.com.br/guia/python/37024>. Acesso em: 29 de Setembro de 2020.
IZBICKI, Rafael. SANTOS, Tiago Mendonça dos. Aprendizado de máquina: uma abordagem estatística [livro eletrônico], - São Carlos, SP, 2020.
RISING, F. O. I.. ODEGUA, O., “DataSist: APython-based library for easy data analysis, visualization and modeling,” 2017.
CHANG, Winston. R graphics cookbook: practical recipes for visualizing data. " O'Reilly Media, Inc.", 2012.
Todo o conteúdo desta revista está licenciado com uma 
