Resumen

El objetivo del estudio es proponer una solución novedosa para detectar noticias falsas utilizando máquinas de última generación y modelos de aprendizaje profundo (DL). Los autores adaptaron un conjunto de datos de rumores sobre COVID-19 alojados en sitios web de noticias y los analizaron utilizando enfoques de procesamiento del lenguaje natural (PLN) y DL; basándose en la exactitud, la precisión, el recuerdo y la puntuación f1, evaluaron la eficacia de los algoritmos ML y DL. Los resultados mostraron que fueron filtrados comentarios en Google y Twitter relacionados con las noticias falsas sobre COVID-19. Los autores resaltan que fue evaluado el rendimiento de los modelos utilizados en la investigación en términos de veracidad, postura y opinión.

• Materias:Pandemia Lenguaje natural Gestión de información Aprendizaje automático Coronavirus Filtrado de información
• Subjects:pandemic Natural language Information management Machine learning Coronavirus Information filtering
• Palabras claves:Epidemia; Coronavirus; Noticias falsas; Aprendizaje profundo; Modelos
• Keywords:Epidemic; Coronavirus; Fake news; Deep learning; Models