Browsing by Author "ESPINOZA VILLARROEL, IGNACIO JAVIER"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Thesis EVALUACIÓN DE EFICIENCIA DE ALGORITMOS DE ESTIMACIÓN DE MODELOS DE TÓPICOS DINÁMICOS(2018-12) ESPINOZA VILLARROEL, IGNACIO JAVIER; MENDOZA ROCHA, MARCELO GABRIEL; Universidad Técnica Federico Santa María. Departamento de Informática; CODOCEDO HENRÍQUEZ, VÍCTORThesis FAKE NEWS DETECTION MODEL FOR THE EARLY STAGES OF THE SPREAD(2021-04) ESPINOZA VILLARROEL, IGNACIO JAVIER; MENDOZA, MARCELO (PROFESOR(A) GUÍA); TORRES, CLAUDIO (PROFESOR(A)CORREFERENTE); BRAVO, FELIPE (PROFESOR(A)PATROCINANTE); Universidad Técnica Federico Santa María. Departamento de InformáticaEl masivo uso de redes sociales ha permitido un aumento explosivo de noticias falsas circulantes en la red. La principal razón es que este tipo de contenido puede ser creado y publicado rápidamente a un costo nulo, comparado con medios tradicionales como el periódico. Realizar un análisis de veracidad a cada una de estas noticias es una tarea imposible de realizar manualmente debido al esfuerzo humano requerido y al gran volumen de información que se produce cada hora, por lo que es necesario buscar medios de verificación automáticos que clasifiquen estos contenidos dentro de las primeras horas en que fueron emitidos. Este problema ha sido de gran interés para la comunidad académica donde se han creando diversos mecanismos para la detección de noticias falsas, principalmente basados en técnicas de deep learning y machine learning. No obstante, existen pocos trabajos específicamente diseñados para resolver la tarea de detección temprana, que utilicen tanto contenido como contexto para la clasificación. Por esta razón, en este trabajo proponemos un nuevo modelo de detección temprana de noticias falsas condicionado a las primeras etapas de la propagación. El modelo llamado Early Rumor Detection Model (ERDM), compuesto por una red Bi-GRU con un módulo de atención global, recibe en cada tiempo tanto características de la propagación de los mensajes (texto y tiempo) como información de los usuarios que participan en las conversaciones. Los resultados muestran que ERDM sobrepasa a los métodos de la literatura, tanto para escenario a 4 clases como binario, donde en este último escenario se consigue una mejora de 7% y 13.4% en los datasets Twitter 15 y Twitter 16 respectivamente. Además, ERDM supera los resultados del estado del arte en detección temprana obteniendo sobre 80% en accuracy en ambos datasets dentro de las primeras 4 horas de difusión de una noticia.
