Modelos híbridos de aprendizaje profundo para la detección de noticias falsas: estudio de caso en árabe e inglés

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Aprendizaje Automático
• Inteligencia Artificial

Sus antecedentes:

• La proliferación de noticias falsas en línea representa una amenaza significativa para el discurso público.
• Los modelos existentes de detección de noticias falsas a menudo carecen de capacidades multilingües y muestran baja precisión, particularmente para el árabe.
• Las limitaciones de recursos y las complejidades lingüísticas en árabe presentan desafíos únicos para la detección de desinformación.

Objetivo del estudio:

• Desarrollar una técnica eficaz de aprendizaje profundo para la detección de noticias falsas (FND) tanto en árabe como en inglés.
• Abordar las limitaciones de los modelos de un solo idioma y mejorar la precisión de la detección de contenido en árabe.

Principales métodos:

• Se propuso un novedoso modelo de aprendizaje profundo que integra una red neuronal convolucional (CNN) multicanal y un bidireccional de memoria a largo plazo (BiLSTM) dual.
• El modelo utiliza un modelo FastText preentrenado para capturar características semánticas y textuales locales.
• Se empleó una capa de agrupación máxima global para la reducción de dimensionalidad y la extracción de características, seguida de la clasificación.

Principales resultados:

• El modelo logró altas tasas de precisión en conjuntos de datos de referencia: 94,43 % en AFND (árabe), 71,63 % en ANS (árabe) y 98,85 % en WELFake (inglés).
• Los resultados experimentales demuestran la superioridad del modelo sobre los enfoques existentes del estado del arte (SOTA).
• La técnica propuesta muestra una eficacia significativa en la detección de noticias falsas en diferentes idiomas.

Conclusiones:

• El modelo de aprendizaje profundo desarrollado ofrece una solución sólida para combatir la desinformación en línea.
• Este enfoque tiene aplicaciones prácticas para mejorar la confiabilidad de la información difundida a través de las redes sociales.
• El estudio contribuye a la detección multilingüe de noticias falsas, mejorando particularmente el rendimiento del idioma árabe.