CLASSIFICAÇÃO DE TENDÊNCIAS POLÍTICAS EM NOTÍCIAS VIA MINERAÇÃO DE TEXTO E REDES NEURAIS SEM PESO
Uma notícia tendenciosa é, às
vezes, bem suave para o interlocutor, e alcança
seu objetivo de influenciar a opinião do leitor
no mesmo sentido. Nos dias atuais, devido à
quantidade de informações existentes, muitas
pessoas sentem dificuldades em avaliar a
ideia principal do conteúdo de uma notícia ou
se existe alguma tendência, no caso deste
trabalho, política.
Neste artigo, buscamos a identificação de
polaridade em notícias políticas em português
através do processo de mineração de dados
textuais com a utilização da Rede Neural
sem Peso WiSARD e de uma derivação, a
ClusWiSARD. O WiSARD funciona através de
uma estrutura de discriminadores, onde cada
discriminador é responsável por identificar uma
classe. Realizamos avaliações relacionadas
ao corpo da notícia e à manchete da notícia
e realizamos uma avaliação de um veículo
de mídia amplamente conhecido. Obtivemos
acurácia de cerca de 90% ao utilizar o corpo da
notícia completo e acurácia de cerca de 75%
ao considerar apenas manchetes. Além disso,
também fazemos uma análise temporal sobre a
dinâmica política das tendências.
CLASSIFICAÇÃO DE TENDÊNCIAS POLÍTICAS EM NOTÍCIAS VIA MINERAÇÃO DE TEXTO E REDES NEURAIS SEM PESO
-
DOI: 10.22533/at.ed.02419151014
-
Palavras-chave: Mineração de Textos, Redes Neurais sem Peso, Descoberta de Conhecimento em Dados não Estruturados.
-
Keywords: Text Mining, Weightless Neural Networks, Discovery of Knowledge in Non-Structured Data.
-
Abstract:
Biased news can influence the
reader’s opinion in subtle ways. Nowadays, due
to the unprecedented amount of information
created and made available through social
media, the identification of biases is increasingly
challenging. In the domain of politics, addressing
the challenge is particularly relevant.
In this paper, we seek the identification of
polarity in Portuguese political news through
the process of textual data mining using the
WiSARD Weightless Neural Network, and
one of its extensions, the ClusWiSARD. The
WiSARD classifier works through a structure
of discriminators, where each discriminator is
responsible for identifying a class. We assessed
polarity using the body and the headline of news
published in widely known media vehicles. The
obtained results are encouraging, indicating
the feasibility of automatic and efficient bias
detection. We obtained accuracy of about 90%
when using full body news and accuracy of
the 75% when considering only headlines. In
addition, we also perform a temporal analysis
on the political dynamics of bias.
-
Número de páginas: 14
- Rafael Dutra Cavalcanti
