Detección de noticias falsas en redes sociales basada en aprendizaje automático y profundo: Una breve revisión sistemática

Resumen

Las redes sociales han cambiado la forma en que la sociedad se informa. Redes sociales como Twitter y Facebook cuentan con millones de usuarios quienes muchas veces comparten noticias falsas (fake news) sin saberlo. Los contenidos de estas noticias son falsos y no verificados, y llegan a viralizarse, engañando y causando pánico. El objetivo de este estudio es desarrollar una revisión de la literatura en la que se determina cómo el aprendizaje automático y aprendizaje profundo, han apoyado para el desarrollo de clasificadores de noticias falsas en redes sociales. El estudio fue desarrollado a partir de una metodología formal usada en ciencias de la Computación. Los resultados mostraron que los modelos de aprendizaje han sido ampliamente usados para crear sistemas de detección de noticias falsas, predominando la detección en el ámbito político, sociedad, salud y desastres naturales. Se constató que se emplearon mayoritariamente los modelos de aprendizaje automático en comparación con los de aprendizaje profundo, aun así, ambos enfoques demostraron ser eficientes para clasificar noticias falsas, jugando un determinante de los resultados, el set de datos y el método de extracción de características empleado.