ANN: rede de notícias adversariais para classificação robusta de notícias falsas

Resumo O fácil acesso às plataformas de mídia social fez com que a disseminação de notícias falsas se tornasse uma preocupação crescente hoje em dia. Classificar notícias falsas é essencial, pois pode ajudar a prevenir seu impacto negativo sobre indivíduos e a sociedade. Nesse sentido, foi desenvolvido um framework de ponta a ponta para a detecção de notícias falsas, utilizando o poder do treinamento adversarial para tornar o modelo mais robusto e resiliente. O framework é chamado "ANN: Adversarial News Net," e emoticons foram extraídos dos conjuntos de dados para entender seus significados em relação às notícias falsas. Essas informações são então alimentadas no modelo, o que ajuda a melhorar seu desempenho na classificação de notícias falsas. O desempenho do framework ANN é avaliado usando quatro conjuntos de dados publicamente disponíveis, e foi encontrado que supera métodos de base e estudos anteriores após o treinamento adversarial. Experimentos mostram que o Treinamento Adversarial melhorou o desempenho em 2,1% em relação à base do Random Forest e 2,4% em relação ao método de base BERT em termos de precisão. O framework proposto pode ser usado para detectar notícias falsas em tempo real, mitigando assim seus efeitos prejudiciais na sociedade.