Utilizando modelos de Machine Learning para classificar fake news de COVID-19

Abstract

Com a chegada da pandemia de COVID-19 a internet se tornou um meio de comunicação muito utilizado para divulgação e consumo de informações sobre o que estava acontecendo no mundo e também de como se prevenir da contaminação do vírus. Acontece que ao mesmo tempo também eram espalhadas notícias que muitas vezes não condiziam com a realidade e eram utilizadas para confundir a população do Brasil, as chamadas Fake News. Devido ao seu grande volume, verificar todas de maneira manual pode ser uma tarefa quase impossível e com isso surge a necessidade da utilização de técnicas de Inteligência Artificiail que consigam classificá-las de maneira automática. Para esse fim, modelos de Machine Learning podem vir a ser utilizados. Como não existiam bases de dados de texto em Português do Brasil, foi necessária a criação de um dataset colhendo textos em veículos de imprensa verificados e posteriormente ocorreu a análise dessas bases identificando diferenças em suas estruturas. Por fim, ao realizar experimentos com diferentes modelos de Machine Learning comparando diferentes combinações de Features foi identificado um desempenho superior quando utilizado como modelo o Random Forest.