| Processo: | 19/21030-1 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Data de Início da vigência: | 02 de março de 2020 |
| Data de Término da vigência: | 01 de março de 2021 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação |
| Pesquisador responsável: | Anderson de Rezende Rocha |
| Beneficiário: | Antônio Carlos Theóphilo Costa Júnior |
| Supervisor: | Yulia Tsvetkov |
| Instituição Sede: | Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Instituição Anfitriã: | Carnegie Mellon University (CMU), Estados Unidos |
| Vinculado à bolsa: | 18/10204-6 - Combatendo Notícias Falsas Através da Atribuição de Autoria e da Análise de Filogenia, BP.DR |
| Assunto(s): | Aprendizado computacional Mídias sociais Processamento de linguagem natural Filogenia Forense digital Fake news |
| Palavra(s)-Chave do Pesquisador: | Análise de Filogenia | Aprendizado de Máquina | forense computacional | Mídias sociais | Processamento de Linguagem Natural | Aprendizado de Máquina e Processamento de Linguagem Natural |
Resumo O mundo está enfrentando uma nova era na qual a comunicação através das mídias sociais desempenha um papel fundamental na vida das pessoas. Juntamente com benefícios irrefutáveis, surgiram várias desvantagens colaterais, uma delas sendo a ampla disseminação de informações falsas com intenções maliciosas, o que agora é comumente chamado de "Fake News". A luta contra esse problema não é fácil, principalmente quando se leva em consideração a natureza das mensagens de texto envolvidas nas plataformas de mídia social (um universo de mensagens muito pequenas e milhões de usuários). Nesse sentido, este projeto de pesquisa tem como objetivo abordar o importante e difícil problema da análise filogenética de pequenas mensagens de texto publicadas em plataformas de mídia social, mostrando como essa solução pode ajudar na identificação de informações falsas espalhadas nessas redes. Diferentemente do que foi feito com textos mais longos, contaremos com o desenvolvimento de modelos orientadas a dados, explorando os recentes avanços das redes neurais profundas nos campos do Processamento de Linguagem Natural (NLP) e reconhecimento de padrões. Usando técnicas de Aprendizado Profundo (Deep Learning) para modelagem de linguagem, desenvolveremos um conjunto de dados sintético para treinar novos classificadores de aprendizado de máquina sobre uma representação em grafos de textos similares, duas contribuições científicas esperadas deste trabalho. Ao tentar resolver um problema cada vez maior da nossa sociedade, esta pesquisa produzirá resultados que podem ser usados por muitos atores. Por exemplo, plataformas de mídia social poderiam aplicar diretamente as técnicas desenvolvidas para trazer maior confiabilidade e também transparência aos dados publicados. As pessoas, em geral, também podem utilizá-las para verificar a precisão das informações apresentadas nas redes sociais e portais de notícias. Além disso, esta pesquisa pode fornecer ferramentas apropriadas para alcançar outro nível de entendimento em relação às publicações nesses veículos, levando em consideração sua disseminação e poder de influência. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |