COMPARATIVO DE TECNICAS DE APRENDIZADO DE MÁQUINA E APRENDIZADO PROFUNDO NA DETECÇÃO DE FAKE NEWS

Resumo

Este projeto propõe uma análise comparativa entre técnicas de aprendizado de máquina e aprendizado profundo para a detecção de fake news. Serão utilizados os algoritmos Naive Bayes, SVM e XGBoost como representantes do aprendizado de máquina, e os modelos BERT e BERTimbau como exemplos de aprendizado profundo. O corpus utilizado será o Fake.Br, composto por notícias em português brasileiro. A avaliação dos modelos será realizada utilizando métricas como acurácia, precisão, recall e F1-score. Espera-se que os modelos de aprendizado profundo apresentem desempenho superior, devido à sua capacidade de capturar nuances contextuais e linguísticas.