Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 675
Aluna: Ingryd Vanessa de Sá Teles Pereira
Orientador: Prof. George Darmiton da Cunha Cavalcanti
Coorientador: Prof. Rafael Menelau Oliveira e Cruz
Título: Detecção de Fake News utilizando multi-view autoencoders
Data: 26/08/2025
Hora/Local: 14h – Auditório
Banca Examinadora:
Prof. Tsang Ing Ren (UFPE / Centro de Informática)
Prof. Maira Araujo de Santana (UFPE / Centro de Informática)
Prof. Alceu de Souza Britto Jr ( PUC-PR/Programa de Pós Graduação Em Informática Aplicada)
Profa. Ellen Polliana Ramos Souza (UFRPE / Unidade Acadêmica de Serra Talhada)
Prof. Rafael Ferreira Leite de Mello (UFRPE / Departamento de Computação)
RESUMO:
Dado o volume e a velocidade com que as fake news se propagam nas redes sociais, a detecção automática de fake news tornou-se uma tarefa de extrema importância. No entanto, essa tarefa apresenta diversos desafios, incluindo a extração de características textuais que contenham informações relevantes sobre fake news. Pesquisas sobre detecção de fake news mostram que nenhuma técnica de extração de características supera consistentemente as outras em todos os cenários. No entanto, diferentes técnicas de extração de características podem fornecer informações complementares sobre os dados textuais e possibilitar uma representação mais abrangente do conteúdo. Este trabalho propõe o uso de multi-view autoencoders para gerar uma representação conjunta de características para a detecção de fake news, integrando diversas técnicas de extração de características comumente
utilizadas na literatura. Experimentos em bancos de dados de fake news mostram uma melhoria significativa no desempenho da classificação em comparação com representações de características (views) individuais. Também observamos que selecionar um subconjunto das views, em vez de compor um espaço latente com todas as views, pode ser vantajoso em termos de precisão e esforço computacional. Este trabalho também propõe um modelo de multi-view autoencoder supervisionado, que incorpora os rótulos das amostras para otimizar seu desempenho. Por meio de análises comparativas, demonstra-se que a inclusão dos rótulos enriquece o vetor latente gerado pelo modelo, o que, como consequência, aprimora a detecção de fake news.
Palavras-chave: Detecção de Fake News, Processamento de Linguagem Natural, Multi-view Learning, Multi-view autoencoder, Sistema de Múltiplos Classificadores (Multiple Classifier System), Ensemble
Comentários desativados