Detecção automática de notícias falsas em português

• Ano de defesa: 2022
• Autor(a) principal: Santos, Roney Lira de Sales
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Atributos linguísticos; Checagem de fatos; Fact-checking; Fake News; Grafo de conhecimento; Knowledge graph; Linguistic features; Machine learning; Notícia Falsa
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-14072022-165613/

A propagação e produção das notícias falsas são um problema atual e perigoso, que pode atingir as pessoas com consequências terríveis. Elas podem influenciar um grande número de pessoas em uma ampla gama de assuntos, que vão desde política à saúde. Embora sempre tenham existido, por meio de fofocas e tabloides, o volume de notícias falsas aumentou recentemente devido ao crescente número de usuários de redes sociais e mensageiros instantâneos, por conta da facilidade que se tem ao acesso a tais ambientes. Essas notícias podem causar perdas diretas a pessoas e corporações, pois notícias falsas podem incluir difamação de pessoas, produtos e empresas, por terem uma natureza apelativa. A dificuldade do humano de identificar as notícias falsas já foi foco de pesquisas que comprovaram esse fato, que pode estar relacionado a crenças e opiniões próprias que o humano não consegue distinguir do fato, além de não procurar o contexto que a notícia está inserida. Uma vez que a propagação de notícias falsas alcançou um ponto crítico, iniciativas de combate começaram a surgir. Entretanto, a escassez de conjunto de dados rotulados, principalmente em português, impedia que os classificadores filtrassem automaticamente esses documentos. Além disso, a falta de métodos e abordagens de checagem de fatos automática, também principalmente para o português, faz com que o trabalho manual esteja sujeito a erros e opiniões humanas, o que é altamente prejudicial nas tentativas de combate a esse problema. Esta tese de doutorado tem como objetivo a investigação e proposição de abordagens que contenham métodos para a detecção de notícias falsas na língua portuguesa, por meio da análise linguística do texto e de checagem de fatos automática, uma vez que tem-se a hipótese de que as notícias falsas deixam pistas linguísticas que as fazem detectáveis, em comparação com notícias verdadeiras. Inspirado em iniciativas anteriores para outras línguas, é apresentado o primeiro corpus de referência nesta área para o português, composto por notícias verdadeiras e falsas alinhadas, que foram analisadas para descobrir alguns dos atributos linguísticos das notícias, denominado de FAKE.BR CORPUS. A partir dele, usando os atributos linguísticos extraídos, formas de representação textual, algoritmos de aprendizado de máquina e estruturas que mapeiam os eventos das notícias, como os grafos de conhecimento, nesta tese são detalhadas as abordagens adaptadas de outras línguas, bem como a proposição de novas abordagens para a detecção de notícias falsas em três tipos de abordagens: baseadas em atributos linguísticos baseadas no conteúdo e baseadas na estrutura do texto. Os resultados alcançados são promissores e mostram que há uma direção a ser tomada na difícil tarefa que é a detecção de notícias falsas na web, com contribuição para o PLN no português.