Detección de Noticias Falsas y Sesgo Político

Como sabemos, en las redes sociales cualquier noticia puede volverse viral, sin importar su fuente. Ante esta problemática, se vuelve una necesidad distinguir la veracidad de las noticias, es decir, identificar si son falsas o verdaderas. Además de esto, es crucial comprender qué estructuras contextuales presentan las noticias y qué palabras utilizan para transmitir su mensaje.

Este proyecto utiliza técnicas de machine learning para analizar la veracidad de las noticias. Se emplea aprendizaje supervisado, algoritmos de regresión, agrupamiento y clasificación, así como técnicas de procesamiento de lenguaje natural y el uso de modelos avanzados como BERT (Bidirectional Encoder Representations from Transformers).

Tecnologías Usadas

Este proyecto fue desarrollado con Python y utiliza las siguientes bibliotecas clave:

• TensorFlow, Keras: Modelos de Machine Learning.
• Scikit-learn: Modelos de Machine Learning y evaluación de rendimiento.
• Pandas, NumPy: Procesamiento de datos.
• NLTK Procesamiento de lenguaje natural.
• Plotly, Networkx, Matplotlib, Seaborn: Visualización de datos.
• BeautifulSoup4, requests: Web scraping.

Instalación

Asegúrate de tener un entorno virtual de Python. Luego, instala las dependencias ejecutando:

pip install -r requirements.txt

Descarga de Datos

Descarga los archivos True.csv y False.csv desde el conjunto de datos Fake News Detection Datasets del ISOT LAB de la Universidad de Victoria y colócalos en la carpeta dataset/. Estos archivos contienen noticias etiquetadas como verdaderas o falsas que serán utilizadas para entrenar y evaluar los modelos.

Orden recomendado para explorar los notebooks

Para seguir de forma lógica el desarrollo del proyecto, se recomienda revisar los notebooks en el siguiente orden:

I. Clasificación

1. EDA.ipynb
   Análisis exploratorio de datos
   Se limpian los datos, se analizan las noticias por tema, la distribución de clases y características generales del dataset.

2. NLP.ipynb
   Procesamiento de lenguaje natural
   Se estudia la frecuencia de palabras, coocurrencias y otras características lingüísticas de las noticias.

3. Clasificacion.ipynb
   Modelos clásicos de clasificación
   Se aplican modelos como Random Forest Classifier y Logistic Regression con métricas como F1-score y vectorizador TF-IDF.

4. SVC.ipynb
   Support Vector Classifier (SVC)
   Se mejora el rendimiento de la máquina de soporte vectorial utilizando GridSearchCV.

5. ScrappingNoticias.ipynb
   Scraping de nuevas noticias
   Se extraen noticias desde la página oficial de la British Broadcasting Corporation para probar el modelo.

6. SVC_BBCNews.ipynb
   Evaluación en conjunto externo (BBC News)
   Se evalúa el modelo SVC con noticias de la BBC.

7. BERT.ipynb
   Clasificación con BERT (transformers)
   Se implementa un modelo BERT para mejorar el rendimiento de clasificación.

Créditos

• Zarco Romero José Antonio. Se encargó del desarrollo de los modelos de clasificación, incluyendo los 7 notebooks correspondientes a esta parte del proyecto.