@MASTERSTHESIS{ 2020:1760622278,
 	title = {Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina},
 	year = {2020},
 	url = "https://tede.ufam.edu.br/handle/tede/7807",
 	abstract = "As informa??es compartilhadas na Web se propagam rapidamente, sejam elas verdadeiras ou n?o. O objetivo de reproduzir informa??es incorretas ou falsas est? relacionado a diversos fatores como manipula??o pol?tica, obten??o de benef?cios financeiros, dissemina??o de difama??es, entre outros. Sendo assim, verificar a credibilidade das informa??es dispon?veis na Web acaba sendo uma tarefa obrigat?ria. Dentre as diversas solu??es desenvolvidas para detectar se uma p?gina Web pode ser acreditada ou n?o, as baseadas em aprendizagem de m?quina s?o a mais empregadas. Esta disserta??o visa avaliar e definir atributos empreg?veis em um futuro modelo de avalia??o de credibilidade de p?ginas Web, por meio da extra??o de caracter?sticas do conte?do da p?gina e da rede, com o aux?lio de classificadores de aprendizagem de m?quina, possibilitando assim maior certeza sobre a credibilidade de p?ginas Web. Como resultado, esta disserta??o concluiu que o classificador Random Forest teve o melhor resultado para avalia??o de credibilidade de p?ginas web com 95.36% de acur?cia. Al?m de disponibilizar um script de extra??o de atributos, apontou tamb?m quais s?o os atributos mais relevantes e de f?cil extra??o que podem ser obtidos e qualquer URL, para isso utilizou 3 m?todos de sele??o de atributos: Select kbest, Sele??o RFE e Sele??o  RFECV, no qual este ?ltimo apresentou o melhor resultado com 95.33% de acur?cia.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}