Veuillez utiliser cette adresse pour citer ce document :
https://rinacional.tecnm.mx/jspui/handle/TecNM/8567| Titre: | Gramática libre de contexto para la identificación de noticias falsas sobre enfermedades basada en el análisis de literatura médica |
| Auteur(s): | Arroyo Gomez, Julio Cesar |
| metadata.dc.subject.other: | Noticias falsas, salud, Procesamiento de lenguaje natural, Recuperación de información, Extracción de información |
| Date de publication: | 2024-09-27 |
| Editeur: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Description: | 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 |
| Collection(s) : | Tesis de Maestría en Computación |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| MC_Julio_Cesar_Arroyo_Gomez_2024.pdf | Tesis | 1.71 MB | Adobe PDF | Voir/Ouvrir |
| MC_Julio_Cesar_Arroyo_Gomez_2024_c.pdf | Cesión de derechos | 502.63 kB | Adobe PDF | Voir/Ouvrir |
Ce document est protégé par copyright |
Ce document est autorisé sous une licence de type Licence Creative Commons
