Como Detectar Fake News com Python e IA

Hoje vamos treinar um modelo de IA para detectar notícias falsas (fake news) com base em texto.

É um projeto real que aplica NLP (Processamento de Linguagem Natural) e Machine Learning com Python.

🧠 O que é a detecção de fake news?

É a tarefa de classificar uma notícia como VERDADEIRA ou FALSA com base em seu conteúdo textual. Isso ajuda a:

• Combater desinformação em massa
• Criar filtros automáticos em redes sociais
• Ajudar jornalistas e plataformas de checagem

🧰 O que usamos

📦 Instale os pacotes

pip install pandas scikit-learn

📂 Dataset de exemplo

📥 Baixar fake_news_dataset.csv

Esse CSV contém 10 notícias (5 reais, 5 falsas) com colunas title, text e label.

🐍 Código Python:

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import PassiveAggressiveClassifier
from sklearn.metrics import accuracy_score

# Carrega o dataset
df = pd.read_csv("fake_news_dataset_v2.csv")
df = df[['title', 'text', 'label']].dropna()

# Divide os dados
X_train, X_test, y_train, y_test = train_test_split(
    df['text'], df['label'], test_size=0.25, random_state=7)

# Vetorização dos textos
vectorizer = TfidfVectorizer(stop_words='english', max_df=0.7)
X_train_vec = vectorizer.fit_transform(X_train)
X_test_vec = vectorizer.transform(X_test)

# Treinamento do classificador
model = PassiveAggressiveClassifier(max_iter=50)
model.fit(X_train_vec, y_train)

# Teste do modelo
y_pred = model.predict(X_test_vec)
score = accuracy_score(y_test, y_pred)

# Exibir resultados
resultado_df = pd.DataFrame({
    'Texto': X_test.values,
    'Real': y_test.values,
    'Previsto': y_pred
})

print("📋 Classificação de Notícias:")
print(resultado_df.to_string(index=False))
print(f"\n🔍 Acurácia: {round(score * 100, 2)}%")

✅ Aprendizado do Dia

Você aprendeu a:

• Ler um dataset de texto
• Transformar esse texto em dados numéricos (vetorização)
• Treinar um modelo real de classificação
• Avaliar e interpretar o resultado

🧪 Desafio

Crie um novo arquivo meu_classificador.py com os seguintes ajustes:

• Treine o modelo com 100% dos dados (test_size=0)
• Faça uma interface interativa via input():
  • Usuário digita um texto
  • O modelo responde se parece REAL ou FAKE
• Permita digitar várias vezes até o usuário escrever “sair”