Detección de Noticias Falsas (Fake News) en Internet Utilizando Deep Learning

Resumen

En este artículo se presenta un estudio de la detección automática de noticias falsas en Internet utilizando técnicas de deep learning. Esta detección es crucial para mantener la veracidad de la información que circula en medios digitales y evitar la desinformación. El estudio se dividió en dos fases; en la primera de ellas se utilizó un modelo de regresión logística que incluyó un proceso de limpieza de textos, una transformación de documentos en vectores de palabras utilizando el modelo FastText y finalmente una estandarización y normalización de los datos. En la segunda fase se emplearon modelos de clasificación con transformadores, incluyendo ALBERT, BERT, ELECTRA, RoBERTa y XLM-RoBERTa, los cuales utilizan arquitecturas de atención para entender el contexto y significado del texto, y posteriormente hacer una clasificación. Para la experimentación con los modelos se utilizó un conjunto de datos recolectado en Internet que incluye publicaciones de diversas redes sociales como Facebook, Instagram, Twitter, etc, que son noticias en inglés sobre el COVID-19. Este conjunto de datos está compuesto por 10,700 noticias, dividido en 5,600 noticias reales y 5,100 noticias falsas. La evaluación de los modelos de clasificación se realizó utilizando las métricas de accuracy, macro F1, recall, precisión y la matriz de confusión. De acuerdo con los experimentos, el modelo RoBERTa es el que muestra un mejor desempeño para la tarea en todas la métricas.