Detector de Fake News com LSTM

Este projeto implementa um sistema completo para detecção de fake news em notícias de texto, utilizando um modelo LSTM (PyTorch) e uma interface gráfica moderna baseada em ttkbootstrap.

Descrição do Problema

Fake news têm grande impacto social, político e econômico, podendo influenciar eleições, causar pânico e desinformação. Este projeto visa automatizar a detecção de notícias falsas usando técnicas modernas de Processamento de Linguagem Natural (NLP) e deep learning, facilitando a análise rápida e confiável de notícias.

Funcionalidades

• Treinamento de modelo LSTM para classificação binária (Fake/Verdadeira)
• Pré-processamento e tokenização de textos
• Codificação de rótulos (LabelEncoder)
• Interface gráfica intuitiva e moderna para análise de notícias
• Predição via terminal ou interface
• Organização do projeto em pastas (src, models, data)

Detalhes Técnicos do Modelo

• Arquitetura: LSTM bidirecional com PyTorch
• Camadas:
  • Embedding (dim=100)
  • LSTM (hidden_dim=128, num_layers=2, bidirectional=True, dropout=0.3)
  • Linear (hidden_dim*2 → 1)
  • Ativação final: Sigmoid
• Tokenização: palavra a palavra, sem remoção de stopwords
• Tamanho do vocabulário: 10.000 palavras mais frequentes
• Batch size: 64
• Épocas: 10 (padrão)
• Limiar de decisão: 0.5

Sobre o Dataset

• Arquivo: data/dados_limpos.csv
• Colunas principais: text (notícia), label (0=fake, 1=verdadeira)
• Quantidade de exemplos: ~45.000
• Proporção: aproximadamente balanceado entre fake e true
• Idioma: inglês
• Origem: coletado e limpo a partir de bases públicas de notícias
• Fonte: Fake and Real News Dataset - Kaggle

Como funciona

1. Pré-processamento:
   • Os textos das notícias são convertidos em sequências numéricas usando um tokenizador simples.
   • As classes (fake/verdadeira) são codificadas como 0 (fake) e 1 (verdadeira).
2. Treinamento:
   • O modelo LSTM é treinado com PyTorch usando os textos tokenizados e os rótulos codificados.
   • O modelo aprende a distinguir padrões entre notícias falsas e verdadeiras.
   • Os arquivos do modelo (best_lstm_model.pth), tokenizer (lstm_tokenizer.pkl) e label encoder (label_encoder.pkl) são salvos na pasta models.
3. Predição:
   • O texto de uma notícia é tokenizado e passado para o modelo LSTM.
   • O modelo retorna a probabilidade de ser verdadeira (classe 1).
   • Se a probabilidade for maior que 0.5, a notícia é classificada como verdadeira; caso contrário, como fake.
   • As probabilidades de cada classe são exibidas de forma clara na interface.

Como usar

1. Instale as dependências

Certifique-se de ter Python 3.8+ e instale os pacotes necessários:

pip install torch pandas scikit-learn ttkbootstrap

2. Treine o modelo (opcional)

Se quiser treinar do zero:

python src/train_lstm_model_pytorch.py

Isso irá gerar os arquivos do modelo e dos encoders em models/.

3. Gere o tokenizer e label encoder (se necessário)

python src/save_tokenizer_labelencoder.py

4. Execute a interface gráfica

python src/interface_gui_bootstrap.py

Cole ou digite o texto da notícia, clique em "Analisar Conteúdo" e veja o resultado.

5. Predição via terminal (opcional)

python src/predict_lstm.py

Digite o texto quando solicitado.

Exemplo de Uso

Terminal:

python src/predict_lstm.py
Digite o texto da notícia para prever:
"ALERTA: Cientistas descobrem que beber água quente com limão cura o câncer em 24 horas!"
Resultado: FAKE (FALSA)
Probabilidade de ser FAKE: 0.98
Probabilidade de ser TRUE: 0.02

Interface Gráfica:

1. Cole ou digite o texto da notícia
2. Clique em "Analisar Conteúdo"
3. Veja o resultado colorido e as probabilidades

Visual da Interface

Como treinar com novos dados

1. Substitua o arquivo data/dados_limpos.csv pelo novo dataset (mesmo formato: colunas text e label)
2. Execute:

   python src/train_lstm_model_pytorch.py
   python src/save_tokenizer_labelencoder.py

3. Use normalmente a interface ou o terminal para predições

Possíveis Expansões

• Adicionar explicabilidade (ex: LIME, SHAP)
• Suporte a outros idiomas
• Treinamento com outros modelos (BERT, ensemble)
• Deploy web (Streamlit, Gradio)
• Adicionar análise de sentimento ou credibilidade
• Melhorar o pré-processamento (remoção de stopwords, lematização)

Estrutura das pastas

├── data/
│   └── dados_limpos.csv
├── models/
│   ├── best_lstm_model.pth
│   ├── lstm_tokenizer.pkl
│   └── label_encoder.pkl
├── src/
│   ├── interface_gui_bootstrap.py
│   ├── predict_lstm.py
│   ├── save_tokenizer_labelencoder.py
│   ├── train_lstm_model_pytorch.py
│   └── load_lstm_model.py
└── README.md

Licença

Este projeto é livre para fins acadêmicos e de demonstração. Sinta-se à vontade para adaptar e expandir conforme sua necessidade.

Autor

Liriel Castro Projeto desenvolvido para fins de estudo e demonstração.