Análise e classificação de rumores em redes sociais (2020)
- Authors:
- Autor USP: SANTOS, NíCOLAS ROQUE DOS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: APRENDIZADO COMPUTACIONAL; REDES SOCIAIS; FAKE NEWS; VERDADE; MENTIRA
- Keywords: Análise visual; Classificação supervisionada; Data visualization; Machine learning; Rumor; Social networks; Supervised classification; Visual analysis; Visualização de dados
- Agências de fomento:
- Language: Português
- Abstract: O aumento da quantidade de pessoas com acesso à internet nos últimos anos contribuiu para o aumento da quantidade de usuários de redes sociais. Entretanto, a falta de monitoramento do que é publicado nas redes sociais pode levar ao surgimento de rumores, que são informações cuja veracidade, no momento de seu surgimento, não pode ser comprovada ou negada. A Análise de Redes Sociais é uma tarefa que envolve esforço de diferentes áreas, como a Ciência da Computação, Matemática e Psicologia, para investigar os usuários e as relações entre eles, e a disseminação de informações. A Visualização de Dados e o Aprendizado de Máquina são subáreas da Ciência da Computação que permitem a descoberta de padrões e anomalias em um conjunto de dados. Neste trabalho de mestrado foram utilizados conceitos de ambas subáreas e da Análise de Redes Sociais na realização de duas análises visuais e uma classificação supervisionada. A primeira análise visual tem como objetivo a comparação entre o Reddit e o Twitter no contexto de propagação de rumores. Essa análise possibilitou a identificação de semelhanças e diferenças existentes entre as duas redes sociais. A segunda análise visual tem como finalidade a identificação dos pontos similares entre um rumor verdadeiro e um rumor falso, e os pontos nos quais eles diferem. Uma classificação supervisionada foi também realizada com o objetivo de detectar se um usuário acredita no rumor que ele está propagando. Para isto, parte do conjunto de dados coletadofoi anotado manualmente, classificado e avaliado. Os resultados obtidos mostram que a utilização de duas classes (positivo e negativo) na classificação atingiu resultados satisfatórios, ao contrário do que ocorreu quando três classes (positivo, neutro e negativo) foram utilizadas. Em conjunto, essas tarefas buscaram fornecer elementos para novas estratégias de identificação de rumores.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 11.03.2020
-
ABNT
SANTOS, Nícolas Roque dos. Análise e classificação de rumores em redes sociais. 2020. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08062020-094039/. Acesso em: 30 dez. 2025. -
APA
Santos, N. R. dos. (2020). Análise e classificação de rumores em redes sociais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08062020-094039/ -
NLM
Santos NR dos. Análise e classificação de rumores em redes sociais [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08062020-094039/ -
Vancouver
Santos NR dos. Análise e classificação de rumores em redes sociais [Internet]. 2020 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08062020-094039/ - Semi-supervised coarsening of bipartite graphs for text classification via graph neural network
- Diretrizes para melhorar a imparcialidade de classificadores
- Bipartite graph coarsening for text classification using graph neural networks
- Item response theory in sample reweighting to build fairer classifiers
- Influence of data stratification criteria on fairer classifications
- Unfairness in machine learning for web systems applications
- Data stratification analysis on the propagation of discriminatory effects in binary classification
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
