Busca avançada
Ano de início
Entree

Combatendo notícias falsas através da análise de filogenia

Processo: 19/21030-1
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 02 de março de 2020
Vigência (Término): 01 de março de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Anderson de Rezende Rocha
Beneficiário:Antônio Carlos Theóphilo Costa Júnior
Supervisor no Exterior: Yulia Tsvetkov
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa : 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

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.