@MASTERSTHESIS{ 2019:1807095750,
 	title = {Liardetector: a linguistic-based approach for identifying fake news},
 	year = {2019},
 	url = "https://tede.ufam.edu.br/handle/tede/7686",
 	abstract = "Devido ? infraestrutura da Web existente e ? popularidade das plataformas de m?dia sociais, ? f?cil compartilhar informa??es de forma massiva. Embora esse cen?rio online traga benef?cios para a sociedade, ele tamb?m favorece que grupos maliciosos propaguem desinforma??o (not?cias falsas) na Web, causando danos que v?o desde afetar a reputa??o de entidades p?blicas (empresas, celebridades) a interferir em processos pol?ticos. Neste trabalho, propomos uma nova abordagem de classifica??o baseada em padr?es lingu?sticos para identificar not?cias falsas. Tal abordagem reduz a dimensionalidade do espa?o de caracter?sticas ao codificar distribui??es de probabilidade de tokens (por exemplo, palavras) como valores de diverg?ncia e entropia. N?s descrevemos resultados experimentais, usando v?rios conjuntos de dados, que mostram que nossa abordagem ? uma solu??o que melhora tanto a efic?cia, quanto efici?ncia de modelos de aprendizagem. Em compara??o com o \textit{baseline}, nossa abordagem usa quatro ordens de magnitude menos atributos e obt?m um ganho de at? 74,3% de efic?cia (Medida-F).",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}