Detectando spams de opinião e notícias falsas usando classificação de texto

Nos últimos anos, conteúdos enganadores, como notícias falsas e avaliações falsas, também conhecidas como spams de opinião, se tornaram uma perspectiva cada vez mais perigosa para usuários online. Avaliações falsas afetaram tanto consumidores quanto lojas. Além disso, o problema das notícias falsas ganhou atenção em 2016, especialmente após as últimas eleições presidenciais dos EUA. Avaliações falsas e notícias falsas são fenômenos intimamente relacionados, pois ambos consistem em escrever e espalhar informações ou crenças falsas. O problema do spam de opinião foi formulado pela primeira vez há alguns anos, mas rapidamente se tornou uma área de pesquisa crescente devido à abundância de conteúdo gerado por usuários. Agora é fácil para qualquer pessoa escrever avaliações falsas ou escrever notícias falsas na web. O maior desafio é a falta de uma maneira eficiente de distinguir uma avaliação real de uma falsa; até mesmo seres humanos frequentemente não conseguem notar a diferença. Neste artigo, apresentamos um novo modelo n-gram para detectar automaticamente conteúdos falsos, com um foco particular em avaliações falsas e notícias falsas. Estudamos e comparamos 2 diferentes técnicas de extração de características e 6 técnicas de classificação de aprendizado de máquina. A avaliação experimental usando conjuntos de dados públicos existentes e um novo conjunto de dados de notícias falsas indica desempenhos muito encorajadores e melhorados em comparação com os métodos de ponta.