Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/8567
Título : Gramática libre de contexto para la identificación de noticias falsas sobre enfermedades basada en el análisis de literatura médica
Autor : Arroyo Gomez, Julio Cesar
metadata.dc.subject.other: Noticias falsas, salud, Procesamiento de lenguaje natural, Recuperación de información, Extracción de información
Fecha de publicación : 2024-09-27
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción : Las noticias falsas de temas sobre la salud representan información no verificada ni comprobada como verdadera. Este tipo de noticias tiene un impacto negativo tanto en lo emocional como en lo personal, afectando a personas adultas y jóvenes; incluso, si se llegan a seguir las sugerencias que indican pueden causar la muerte, un ejemplo es lo sucedido durante la pandemia COVID-19, la pandemia de la época moderna más devastadora, donde surgieron diferentes noticias falsas que mencionan que la vacuna del COVID-19 contenía un microchip con el que el gobierno podía rastrear en tiempo real a las personas y saber su ubicación actual en todo momento. A raíz de esto, diversas personas creyeron en este tipo de noticias evitando vacunarse, y con ello se convirtieron en agentes portadores de la enfermedad y, dado que la gran mayoría no tenía inmunidad al virus, contribuyeron en la propagación y muerte de gran cantidad de personas. En este trabajo de investigación se propone un sistema de detección de noticias falsas sobre enfermedades basado en el análisis de la literatura médica a través de una gramática libre de contexto. En este contexto, el objetivo principal de este trabajo es lograr identificar hechos a través de las reglas de producción con el propósito de verificar si la noticia es falsa o verdadera. Esta metodología se presenta como una herramienta complementaria para las personas que navegan en las diferentes plataformas digitales para generar una verificación de lo que están visualizando es falso o verdadero. De acuerdo al experimento realizado se obtiene un valor de Precisión de 0.97%, Recall 0.72% y un F1 –score de 0.82%.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: Tesis de Maestría en Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MC_Julio_Cesar_Arroyo_Gomez_2024.pdfTesis1.71 MBAdobe PDFVisualizar/Abrir
MC_Julio_Cesar_Arroyo_Gomez_2024_c.pdfCesión de derechos502.63 kBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons