Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/29.500.19856/76449| Title: | Detección de fake news en redes sociales mediante el uso de Big Data, Web Semántica, PNL y aplicación de otras IA |
| Authors: | Escobar Bonilla, Guillermo Santiago |
| Director: | Mora Arciniegas, María Belén |
| Keywords: | Ecuador. Tesis digital. |
| Issue Date: | 2026 |
| Citation: | Escobar Bonilla, G. S. Mora Arciniegas, M. B. (2026) Detección de fake news en redes sociales mediante el uso de Big Data, Web Semántica, PNL y aplicación de otras IA [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/76449 |
| Abstract: | Abstract: This work develops a system for detecting fake news on social networks. The approach is neuro-symbolic, integrating Natural Language Processing, Big Data, AI, and Semantic Web. The Semantic Web serves as core, enabling explicit knowledge representation through a custom ontology (fnews) built with the NeOn methodology and supported by Schema, FOAF, SIOC, and PROV-O vocabularies. For entity extraction, we used spaCy (precision: 91.7%, recall: 87.3%). The architecture combines PostgreSQL with OWL. Ollama and RAG techniques generate explanations grounded in knowledge graphs. Validation used BuzzFeed and PolitiFact datasets, achieving response times below 300 ms. A notable pattern: fake news articles contain 4.7 entities on average versus 2.3 in genuine news relevant for semantic analysis. We identified limitations: English-only support and entity resolution issues. These point to future research directions. |
| Description: | Resumen: Este trabajo presenta el desarrollo de un sistema para la detección de noticias falsas en redes sociales, basado en un enfoque neuro-simbólico que no solo clasifica la información, sino que explica el por qué, integra Procesamiento de Lenguaje Natural, Big Data, Inteligencia Artificial y Web Semántica. En este marco, la Web Semántica constituye el núcleo del modelo al permitir la representación explícita del conocimiento mediante una ontología propia (fnews), construida con la metodología Neón y apoyada en vocabularios como Schema, FOAF, SIOC y PROV-O. El prototipo usa spaCy para extraer entidades, con precisión de 91,7% y recall de 87,3%. La arquitectura combina PostgreSQL con OWL; Ollama y técnicas RAG generan justificaciones basadas en grafos de conocimiento. Se validó con datos de BuzzFeed y PolitiFact, logrando tiempos de respuesta bajo 300 ms. Un dato llamativo: las noticias falsas mencionan en promedio 4.7 entidades, frente a 2.3 en las verdaderas. Este patrón resulta relevante para el análisis semántico. Finalmente, se identificaron limitaciones asociadas al soporte en inglés y a la resolución de entidades, que abren oportunidades para trabajos futuros. |
| Identifier : | Cobarc: 1380328 |
| URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=152001.TITN. |
| Type: | masterThesis |
| Appears in Collections: | Maestría en Inteligencia Artificial Aplicada |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.