Banca de DEFESA: Sara Bandeira Coutinho

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: Sara Bandeira Coutinho
DATA : 02/08/2023
HORA: 15:00
LOCAL: Virtual
TÍTULO:

Seleção de ensemble heterogêneo para a detecção de Fake News

PALAVRAS-CHAVES:

Detecção de Fake News. Sistema de múltiplos 
classificadores. Diversidade. Agrupamento hierárquico.

PÁGINAS: 187
RESUMO:

A disseminação de Fake News tornou-se um dos problemas da sociedade atual. 
Uma solução para esse problema é detectar a veracidade dos textos das 
notícias usando sistemas automatizados dada a existência de uma dificuldade 
intrínseca ao ser humano de detectá-las, concernente ao viés de 
confirmação, bem como a grande quantidade de dados gerados online, que 
inviabiliza uma inspeção manual. Diversas abordagens relacionadas ao 
aprendizado de máquina têm sido propostas na literatura. Dentre elas, o uso 
de sistemas de múltiplos classificadores mostrou-se promissor por obter 
resultados melhores do que sistemas que usam apenas um classificador. No 
entanto, para serem eficientes, esses sistemas precisam de que seus 
classificadores sejam diversos, e essa diversidade pode ser obtida usando 
classificadores heterogêneos, assim como pode ser verificada por meio de 
uma análise sob diferentes níveis de dissimilaridade entre os 
classificadores. Assim, este trabalho propõe um sistema de múltiplos 
classificadores que seleciona um subconjunto de um pool de classificadores 
heterogêneos. Deseja-se que os classificadores selecionados sejam diversos 
e, para esse fim, cada classificador no pool é representado usando a medida 
de diversidade e um algoritmo de agrupamento hierárquico, que agrupa os 
classificadores semelhantes, facilitando a seleção dos classificadores mais 
diversos. Em complemento, para esta etapa, considerou-se escolhê-los a 
partir daqueles que apresentaram um maior desempenho, em uma análise 
individual, nas métricas de avaliação, a fim de que fosse obtido o 
subconjunto com maior diversidade e com classificadores que tiveram uma 
maior capacidade de generalização. Nos experimentos foram considerados seis 
conjuntos de dados, de diferentes contextos e quantidades de classe. O 
método foi comparado com outras três heurísticas de seleção e com 
abordagens da literatura. As métricas adotadas para avaliar os resultados 
foram acurácia, precisão, revocação e medida f1. O método apresentou 
resultados promissores, alcançando o maior desempenho, com relação aos 
demais, em 3 dos 6 conjuntos adotados, os quais apresentaram apenas duas 
classes.

MEMBROS DA BANCA:
Presidente - 2646068 - ADIEL TEIXEIRA DE ALMEIDA FILHO
Externa à Instituição - ELLEN POLLIANA RAMOS SOUZA - UFRPE
Interno - 1512321 - GEORGE DARMITON DA CUNHA CAVALCANTI