RESUMEN: El desarrollo de las tecnologías de la información y la comunicación ha generado un incremento sin precedentes en el número de personas con acceso a Internet, lo que ha traído consigo un cambio de paradigma con respecto a cómo se consume información.
Como consecuencia de lo anterior, las noticias falsas se han convertido en una de las grandes preocupaciones de estos últimos años debido a su capacidad para desestabilizar gobiernos, lo que las convierte en un potencial peligro para la sociedad. Un ejemplo de lo anterior puede encontrarse en la campaña electoral estadounidense de 2016, donde el término fake news ganó una gran notoriedad debido a la influencia de los bulos en el resultado de éstas.
En este trabajo se estudia la viabilidad del uso del deep learning para discriminar las noticias falsas existentes en Internet utilizando solamente los textos de éstas. Para, ello se proponen tres arquitecturas de redes neuronales diferentes, estando una de ellas basada en BERT, un modelo de lenguaje moderno creado por Google que consigue resultados de estado del arte.
ABSTRACT: The evolution of the information and communication technologies has dramatically increased the number of people with access to the Internet, which has changed the way the information is consumed.
As a consequence of the above, fake news have become one of the major concerns because its potential to destabilize governments, which makes them a potential danger to modern society. An example of this can be found in the US. electoral campaign, where the term “fake news” gained great notoriety due to the influence of the hoaxes in the final result of these.
In this work the feasibility of using deep learning to discriminate fake news on the Internet using only their text is studied. In order to accomplish that, three different neural network architectures are proposed, one of them based on BERT, a modern language model created by Google which achieves state-of-the-art results.
