Modelos de deep learning para la detección de noticias falsas en español sobre Covid-19

Abstract

La presente investigación se enfoca en la aplicación de modelos de aprendizaje profundo para detectar noticias falsas en español, específicamente durante la pandemia de COVID-19, periodo de aumento significativo de la desinformación. Ante la limitada disponibilidad de recursos especializados en procesamiento de lenguaje natural (NLP) para el español, se busca identificar arquitecturas eficaces para esta tarea, enfrentando desafíos derivados de los matices lingüísticos y la necesidad de adaptar los modelos al contexto del idioma. En este estudio se evaluaron ocho modelos: BERT, BETO, ALBETO, DistilBERT, GRU, LSTM, BiLSTM y CNN, configurados para captar patrones específicos en español. Los modelos basados en Transformers, como BERT y BETO, son reconocidos por su capacidad para analizar el contexto bidireccional, mientras que los modelos recurrentes, como GRU y LSTM, destacan en la captura de dependencias temporales en las secuencias de texto. Cada modelo fue implementado con un preprocesamiento detallado y técnicas avanzadas de tokenización, junto con ajustes en hiperparámetros para optimizar su rendimiento. Para el entrenamiento y evaluación, se utilizó un conjunto de datos compuesto por artículos de noticias en español sobre el COVID-19. Los modelos fueron evaluados mediante métricas como precisión, exactitud, recall y F1-Score, con el objetivo de identificar el mejor rendimiento en la detección de noticias falsas. Los resultados mostraron que los modelos basados en Transformers, especialmente BERT y BETO, sobresalieron en precisión y exactitud, aunque los modelos recurrentes también resultaron viables para captar patrones en las secuencias. En conclusión, las arquitecturas basadas en Transformers ajustadas específicamente al español ofrecen una solución prometedora para abordar la desinformación en contextos críticos como el de la pandemia.