1. Repositorio Institucional de la Universidad de Guanajuato
  2. Tesis
  3. Tesis de Posgrado
  4. CIS - Campus Irapuato-Salamanca. Tesis de Posgrado
  5. DICIS - División de Ingenierías. Tesis de Posgrado
  6. Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales)
Please use this identifier to cite or link to this item: http://repositorio.ugto.mx/handle/20.500.12059/5725
Full metadata record
DC FieldValueLanguage
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.contributorJUAN CARLOS GOMEZ CARRANZAes_MX
dc.creatorLuis Miguel López Santamaríaes_MX
dc.date.accessioned2022-03-07T20:49:47Z-
dc.date.available2022-03-07T20:49:47Z-
dc.date.issued2022-01-
dc.identifier.urihttp://repositorio.ugto.mx/handle/20.500.12059/5725-
dc.description.abstractHoy en día, los medios digitales se han convertido en una de las principales fuentes de consumo de noticias. Las personas y las organizaciones de noticias utilizan los medios digitales, como los sitios web de noticias y redes sociales para mantenerse informados y distribuir información. Estos sitios ofrecen diferentes ventajas como costos reducidos, adaptabilidad, fácil acceso y rápida distribución de la información. Sin embargo, la amplia difusión de la información en estos sitios ha dado lugar a la existencia de noticias falsas. Las noticias falsas contienen información falsa fabricada intencionalmente o alteraciones de hechos reales. Este tipo de noticias tiene como objetivo generar ideas y creencias sesgadas en la sociedad. Para frenar la difusión de noticias falsas en beneficio de la sociedad y de las nuevas organizaciones, existe una tendencia actual a desarrollar sistemas que las detecten automáticamente, ya que hacer una verificación manual es prácticamente imposible. En esta tesis, se presenta un estudio para el problema de la detección automática de noticias falsas en medios digitales utilizando el contenido textual de las noticias. Se recopilaron diferentes conjuntos de datos que contienen noticias extraídas de varios sitios web de noticias y redes sociales para resolver esta tarea. Los conjuntos de datos que recopilamos son: COVID Fake News, FakeNewsNet, ISOT, The Fake News Corpus Spanish y Fake Costa Rica News. Además, la verificación de la veracidad de las noticias en los conjuntos de datos estuvo a cargo de organizaciones como PolitiFact, Gossip Cop, Verificado, etc. Con estos conjuntos de datos, se realizaron una serie de experimentos con diferentes modelos de aprendizaje de máquina y aprendizaje profundo utilizando un conjunto de características superficiales y profundas extraídas del texto. Para evaluar los modelos, se utilizaron un conjunto de métricas para medir su desempeño.es_MX
dc.language.isoengen
dc.publisherUniversidad de Guanajuatoes_MX
dc.rightsinfo:eu-repo/semantics/openAccesses_MX
dc.subject.classificationCIS- Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales)es_MX
dc.titleAutomatic Fake News Detection in Online Mediaes_MX
dc.title.alternativeDetección Automática de Noticias Falsas en Medios en Líneaes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.subject.ctiinfo:eu-repo/classification/cti/7es_MX
dc.subject.ctiinfo:eu-repo/classification/cti/33es_MX
dc.subject.ctiinfo:eu-repo/classification/cti/3304es_MX
dc.subject.keywordsFake News Online - Automatic Detectionen
dc.subject.keywordsData processingen
dc.subject.keywordsMachine learning modelsen
dc.subject.keywordsInformation Extractionen
dc.subject.keywordsNoticias falsas en línea - Detección automáticaes_MX
dc.subject.keywordsProcesamiento de datoses_MX
dc.subject.keywordsModelos de aprendizaje automáticoes_MX
dc.subject.keywordsExtracción de datoses_MX
dc.contributor.idinfo:eu-repo/dai/mx/cvu/37720es_MX
dc.contributor.roledirectores_MX
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_MX
dc.contributor.twoSaskia Van Amerongen-
dc.contributor.idtwoinfo:eu-repo/dai/mx/orcid/0000-0001-8101-6589-
dc.contributor.roletwodirectoren
dc.description.abstractEnglishNowadays, online media has become one of the principal sources of news consumption. People and news organizations use online media such as news websites and social media to stay informed and distribute information. These sites offer different advantages such as reduced costs, adaptability, easy access, and quick distribution of information. Nevertheless, the extensive dissemination of information on these sites has led to the existence of fake news. Fake news contains intentionally fabricated false information or alterations of real events. This type of news aims generate biased ideas and beliefs in society. To stop the spread of fake news for the benefit of society and new organizations, there is a current trend to develop systems that automatically detect them, since doing a manual fact-checking is practically impossible. In this thesis, we present a study for the problem of automated fake news detection in online media using the textual content from the news. We collected different datasets that contain news extracted from variety of news websites and social networks to solve this task. The datasets we collected are: COVID Fake News, LIAR, FakeNewsNet, ISOT, The Fake News Corpus Spanish and Fake Costa Rica News. In addition, the verification of the veracity of the news in the datasets was in charge of organizations such as PolitiFact, Gossip Cop, Verificado, etc. With these datasets, we conducted a series of experiments with different machine learning and deep learning models using a set of superficial and deep features extracted from the text. To evaluate our models, we use a set of metrics to measure their performance.en
Appears in Collections:Maestría en Ingeniería Eléctrica (Instrumentación y Sistemas Digitales)

Files in This Item:
File Description SizeFormat 
LUIS MIGUEL LÓPEZ SANTAMARÍA_Tesis24.pdf1.05 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.