Machine Learning based Fake News Detection using linguistic features and word vector features

Jain, Mayank; Gopalani, Dinesh; Meena, Yogesh Kumar; Kumar, Rajesh

doi:10.1109/upcon50219.2020.9376576

Cited by 13 publications

(9 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em [Jain et al 2020], os autores utilizaram a combinac ¸ão de dois conjuntos de notícias sobre as eleic ¸ões dos EUA em 2016 para refinar os detectores de notícias falsas que existiam até aquele momento. Primeiro, o texto foi pré-processado para representá-lo por características estilométricas/linguísticas, através de Bag of Words (BoW TF) e Term Frequency-Inverse Document Frequency (BoW TF-IDF).…”

Section: Trabalhos Relacionadosunclassified

FakeTrueBR: Um corpus brasileiro de notícias falsas

Chavarro,

Carvalho,

Portela

et al. 2023

Anais Da XVIII Escola Regional De Banco De Dados (ERBD 2023)

View full text Add to dashboard Cite

Atualmente, o grande volume de notícias falsas circulando nas redes sociais é um perigo para a percepção da realidade da sociedade. Técnicas de aprendizado de máquina têm sido úteis para o combate da desinformação, mas para gerar bons resultados necessitam de conjuntos de dados de treinamento balanceados e com boa qualidade. Uma vez que os principais corpus para o treinamento de modelos detecção de notícias falsas disponíveis publicamente estão desatualizados ou desalinhados, neste trabalho foi proposto um enfoque inovador para recuperar as notícias verdadeiras a partir das falsas, e melhorar sua similaridade e alinhamento. Desta forma, foi desenvolvido um conjunto de dados que permite verificar e classificar a informação que consumimos diariamente na rede, por meio de processamento da linguagem natural. Além disso, o corpus resultante foi avaliado utilizando técnicas clássicas de processamento da linguagem natural para a representação de textos, como BoW e BoW TF-IDF, juntamente com vários métodos tradicionais de classificação. Os resultados obtidos demonstram que este conjunto de dados é efetivo para a classificação de notícias, com um f1-score de 0.945 usando um classificador de Multi-layer perceptron. Portanto, este novo corpus configura-se como um recurso valioso na luta contra a desinformação e para melhorar a qualidade da informação disponível online.

show abstract

Section: Trabalhos Relacionadosunclassified

FakeTrueBR: Um corpus brasileiro de notícias falsas

Chavarro,

Carvalho,

Portela

et al. 2023

Anais Da XVIII Escola Regional De Banco De Dados (ERBD 2023)

View full text Add to dashboard Cite

show abstract

“…Moreover, Yang, Mukherjee, and Gragut [10] identified four main categories of features able to guarantee an acceptable characterization of satiric content: Writing-Stylistic, Readability, Structural, and Psycho-linguistic. Several works, like [6,8,11,12], leverage on Doc2Vect or Term Frequency Inverse Document Frequency (TF-IDF) to construct features able to train classifiers for satires. Such approaches, on one side, provide good performance but, on the other side, fail to characterize satire in a human-understandable and explainable way.…”

Section: Related Workmentioning

confidence: 99%

Satiric Content Detection Through Linguistic Features

Gaeta,

Orciuoli,

Pascuzzo

2023

Machine Learning and Artificial Intelligence

View full text Add to dashboard Cite

In the age of Information Disorder, Satire is one of its phenomena mainly occurring in the context of social media. Satire represents an interesting study subject given that it can be easily confused with further forms of the disorder. The present work proposes and evaluates a set of linguistic features to build classifiers able to distinguish satires from other textual contents. The adopted features are firstly identified within the scientific literature and, secondly, ranked and filtered by means of the Information Gain index. Several experimentation activities show good performance for the aforementioned classifiers and an acceptable ability to generalize for the models trained with such features.

show abstract

“…(3) Recall is the sensitivity of the model and it is defined as the ratio of the correctly identified positive cases to all the actual positive cases, which is the sum of FN and TP [19]. Recall is also shown as follow: 𝑟𝑒𝑐𝑎𝑙𝑙 = 𝑇𝑃 𝑇𝑃+𝐹𝑁 (4) F1-Score is the harmonic meaning of the precision and recalled by taking into FP and FN cases [20]. It shows quality performance in an unbalanced data set.…”

Section: Model Accuracymentioning

confidence: 99%