Detección de Noticias Falsas en el Perú Mediante Procesamiento de Lenguaje Natural y Modelos de Aprendizaje Automático
Facultad de Ingeniería Industrial y Sistemas - Universidad Nacional de Ingeniería
Maestría en Inteligencia Artificial
Curso: Procesamiento de Lenguaje Natual
Grupo 1:
Resumen— La propagación de noticias falsas en el Perú, intensificada durante la pandemia por el alcance masivo de las redes sociales, ha evidenciado la necesidad de herramientas automáticas para su detección. Este trabajo presenta un modelo basado en Procesamiento de Lenguaje Natural y aprendizaje automático para identificar noticias falsas peruanas. Se construyó un corpus de tweets periodísticos etiquetados como verdaderos o falsos según la fuente, y se entrenaron clasificadores Naive Bayes, SVM y un modelo BERT multilingüe ajustado (fine-tuning). El texto fue preprocesado (limpieza, tokenización, normalización) y representado con TF-IDF para los modelos tradicionales, mientras que BERT empleó embeddings contextuales preentrenados. Los modelos se evaluaron con métricas estándar (precisión, recall, F1, ROC AUC) sobre un conjunto de prueba. Los resultados muestran que BERT supera a los algoritmos clásicos, alcanzando mayor exactitud y mejor equilibrio precisión/recall. Este estudio confirma la eficacia del PLN combinado con aprendizaje profundo para detectar desinformación en el contexto peruano, destacando el potencial de los Transformers para capturar sutilezas lingüísticas y mitigar la difusión de noticias falsas.
