Avaliando o desempenho de modelos generativos de dados para classificação de notícias falsas mediante modelo matemático auxiliado por algoritmo Genético.
Resumo
Este artigo apresenta uma análise comparativa do desempenho de um sistema de
classificação de notícias falsas utilizando um modelo matemático aprimorado por um
algoritmo genético. O objetivo deste estudo é investigar o potencial dos modelos generativos
de dados sintéticos para esta abordagem de detecção de notícias falsas. A
pesquisa compara os resultados obtidos de um conjunto de dados real, contendo informações
das notícias, com aqueles obtidos de quatro conjuntos de dados sintéticos
gerados usando redes adversárias generativas, autoencoders variacionais, modelo
probabilístico de difusão de redução de ruído e técnica de sobre-amostragem minoritária
sintética. Os resultados do estudo indicam que o desempenho da classificação
obteve uma melhora quando usado os dados artificiais, com uma pontuação de acurácia
de, aproximadamente, 87%. Esses resultados sugerem que dados sintéticos,
podem servir como ferramentas valiosas para melhorar o desempenho classificação
de notícias falsas.
Os arquivos de licença a seguir estão associados a este item: