Inteligência artificial para classificaçãode fake news

Abstract

As informações difundidas pela internet todos os dias nem sempre tem um conteúdo confiável. As Fake News são notícias que não representam a realidade, mas são compartilhadas como se fossem verídicas. A motivação de quem as fabrica e as divulgam são diversas. Nesta perspectiva, este trabalho possuiu como objetivo desenvolver uma aplicação para classificar notícias entre reais e fake news com a combinação de processamento de linguagem natural e aprendizagem de máquina. Para isso, utilizou-se os seguintes algoritmos de aprendizagem de máquina: Random Forest (RF), Support Vector Machine (SVM) e Naive Bayes (NB)a partir da biblioteca Scikit-learn da linguagem Python. O conjunto de dados utilizado foi o “fake and real” news obtido no Kaggle. Os resultados obtidos demonstram que RFobteve o melhor desempenho em todas as métricas utilizadas (Acurácia, Precisão, Recall e F1-Score), sendo: 99,7%, 100%, 99,7%, 99,3%, respectivamente. O SVM teve um bom desempenho, mas inferior ao RF, obtendo: 86,5%, 97,4%, 85,2% e 75,7%, respectivamente. Por fim, NB obteve o pior desempenho em todas as métricas: 60,6%, 61,6%, 61,6% e 61,7%.

The information daily spread over the Internet doesn't always have a reliable content. Fake News is information that does not represent reality, but it is shared as if it was true. The motivation of those who manufacture and disseminate it is diverse. In this perspective, this work aimed to develop an application to classify news between true news and fake ones with the combination of natural language processing and machine learning. Therefore, the following machine learning algorithms were used: Random Forest (RF), Support Vector Machine (SVM) and Naive Bayes (NB) from the Scikit-learn library of the Python language. The dataset used was fake and real news obtained from Kaggle. The results obtained demonstrate that RF obtained the best performance in all the metrics used (Accuracy, Precision, Recall and F1-Score), being: 99.7%, 100%, 99.7%, 99.3%, respectively. SVM performed well, but below RF, obtaining: 86.5%, 97.4%, 85.2% and 75.7%, respectively. Finally, NB had the worst performance in all metrics: 60.6%, 61.6%, 61.6% and 61.7%.