Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.

En estos tiempos, la difusión de noticias falsas y discursos de odio en las diferentes plataformas de redes sociales han dominado el impacto para la libertad social y la perseverancia pública. La propagación de este tipo de contenido se ve renovada con la velocidad con la que esta información se com...

Descripció completa

Guardat en:

Dades bibliogràfiques
Autor principal:	Salazar Tapia, Cristian Fernando (author)
Altres autors:	Tapia Guanoluisa Fabricio Daniel (author), Montaluisa Pilatásig, Edgar Fabián (author)
Format:	bachelorThesis
Publicat:	2025
Matèries:	FAKE NEWS HATE SPEECH BERT ROBERTA GPT-3 DISTILBERT XLNET PROCESAMIENTO DEL LENGUAJE NATURAL
Accés en línia:	https://repositorio.espe.edu.ec/handle/21000/44992
Etiquetes:	Afegir etiqueta Sense etiquetes, Sigues el primer a etiquetar aquest registre!

_version_	1859118564185735168
author	Salazar Tapia, Cristian Fernando
author2	Tapia Guanoluisa Fabricio Daniel Montaluisa Pilatásig, Edgar Fabián
author2_role	author author
author_facet	Salazar Tapia, Cristian Fernando Tapia Guanoluisa Fabricio Daniel Montaluisa Pilatásig, Edgar Fabián
author_role	author
collection	Repositorio Universidad de las Fuerzas Armadas
dc.creator.none.fl_str_mv	Salazar Tapia, Cristian Fernando Tapia Guanoluisa Fabricio Daniel Montaluisa Pilatásig, Edgar Fabián
dc.date.none.fl_str_mv	2025-05-19T17:11:52Z 2025-02-20
dc.format.none.fl_str_mv	application/pdf application/pdf
dc.identifier.none.fl_str_mv	Salazar Tapia, Cristian Fernando. Tapia Guanoluisa Fabricio Daniel. Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.Carrera de Ingeniería en Software. Universidad de las Fuerzas Armadas ESPE. Sede Latacunga. SOF-0161 https://repositorio.espe.edu.ec/handle/21000/44992
dc.language.none.fl_str_mv	es
dc.publisher.none.fl_str_mv	Universidad de las Fuerzas Armadas ESPE. Sede Latacunga. Carrera de Ingeniera en Software.
dc.rights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv	reponame:Repositorio Universidad de las Fuerzas Armadas instname:Universidad de las Fuerzas Armadas instacron:ESPE
dc.subject.none.fl_str_mv	FAKE NEWS HATE SPEECH BERT ROBERTA GPT-3 DISTILBERT XLNET PROCESAMIENTO DEL LENGUAJE NATURAL
dc.title.none.fl_str_mv	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
dc.type.none.fl_str_mv	info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bachelorThesis
description	En estos tiempos, la difusión de noticias falsas y discursos de odio en las diferentes plataformas de redes sociales han dominado el impacto para la libertad social y la perseverancia pública. La propagación de este tipo de contenido se ve renovada con la velocidad con la que esta información se comparte en plataformas digitales y el problema en los usuarios para que puedan saber que contenido es cierto. Para acercarse a esta gran problemática, se realizará un estudio donde se efectúan y comparan varios modelos de Deep Learning, como BERT, RoBERTa, GPT-3, DistilBERT y XLNet, con el propósito de encontrar y categorizar noticias falsas y discursos de odio de forma eficaz. Se utilizó una metodología determinada en CRISP-DM para establecer el proceso del progreso y estimación de los modelos, generando una mejor orientación para la preparación de los datos, elaborando y apreciar cada uno de los algoritmos. La respuesta conseguida que se pueden apreciar en cada uno de los modelos desarrollados permite visualizar un alto nivel de exactitud en los hallazgos de fake news y hate speech, recalcando aquellos que se establecen en los modelos transformadores por su enorme capacidad de alcanzar el argumento del lenguaje. La ejecución de estos modelos accede a optimizar en gran cantidad el proceso de datos para su caracterización y reducción de contenido dañino en redes sociales, ayudando así a la reducción perjudicial de la desinformación.
eu_rights_str_mv	openAccess
format	bachelorThesis
id	ESPE_58a897e142a256bed3f0fece0ce178cc
identifier_str_mv	Salazar Tapia, Cristian Fernando. Tapia Guanoluisa Fabricio Daniel. Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.Carrera de Ingeniería en Software. Universidad de las Fuerzas Armadas ESPE. Sede Latacunga. SOF-0161
instacron_str	ESPE
institution	ESPE
instname_str	Universidad de las Fuerzas Armadas
language_invalid_str_mv	es
network_acronym_str	ESPE
network_name_str	Repositorio Universidad de las Fuerzas Armadas
oai_identifier_str	oai:repositorio.espe.edu.ec:21000/44992
publishDate	2025
publisher.none.fl_str_mv	Universidad de las Fuerzas Armadas ESPE. Sede Latacunga. Carrera de Ingeniera en Software.
reponame_str	Repositorio Universidad de las Fuerzas Armadas
repository.mail.fl_str_mv	.
repository.name.fl_str_mv	Repositorio Universidad de las Fuerzas Armadas - Universidad de las Fuerzas Armadas
repository_id_str	2042
spelling	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.Salazar Tapia, Cristian FernandoTapia Guanoluisa Fabricio DanielMontaluisa Pilatásig, Edgar FabiánFAKE NEWSHATE SPEECHBERTROBERTAGPT-3DISTILBERTXLNETPROCESAMIENTO DEL LENGUAJE NATURALEn estos tiempos, la difusión de noticias falsas y discursos de odio en las diferentes plataformas de redes sociales han dominado el impacto para la libertad social y la perseverancia pública. La propagación de este tipo de contenido se ve renovada con la velocidad con la que esta información se comparte en plataformas digitales y el problema en los usuarios para que puedan saber que contenido es cierto. Para acercarse a esta gran problemática, se realizará un estudio donde se efectúan y comparan varios modelos de Deep Learning, como BERT, RoBERTa, GPT-3, DistilBERT y XLNet, con el propósito de encontrar y categorizar noticias falsas y discursos de odio de forma eficaz. Se utilizó una metodología determinada en CRISP-DM para establecer el proceso del progreso y estimación de los modelos, generando una mejor orientación para la preparación de los datos, elaborando y apreciar cada uno de los algoritmos. La respuesta conseguida que se pueden apreciar en cada uno de los modelos desarrollados permite visualizar un alto nivel de exactitud en los hallazgos de fake news y hate speech, recalcando aquellos que se establecen en los modelos transformadores por su enorme capacidad de alcanzar el argumento del lenguaje. La ejecución de estos modelos accede a optimizar en gran cantidad el proceso de datos para su caracterización y reducción de contenido dañino en redes sociales, ayudando así a la reducción perjudicial de la desinformación.ESPELUniversidad de las Fuerzas Armadas ESPE. Sede Latacunga. Carrera de Ingeniera en Software.2025-05-19T17:11:52Z2025-02-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfapplication/pdfSalazar Tapia, Cristian Fernando. Tapia Guanoluisa Fabricio Daniel. Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.Carrera de Ingeniería en Software. Universidad de las Fuerzas Armadas ESPE. Sede Latacunga.SOF-0161https://repositorio.espe.edu.ec/handle/21000/44992esinfo:eu-repo/semantics/openAccessreponame:Repositorio Universidad de las Fuerzas Armadasinstname:Universidad de las Fuerzas Armadasinstacron:ESPE2025-05-20T08:02:27Zoai:repositorio.espe.edu.ec:21000/44992Institucionalhttps://repositorio.espe.edu.ec/Universidad públicahttps://www.espe.edu.ec/https://repositorio.espe.edu.ec/oai.Ecuador...opendoar:20422026-03-06T15:39:06.078035Repositorio Universidad de las Fuerzas Armadas - Universidad de las Fuerzas Armadastrue
spellingShingle	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ. Salazar Tapia, Cristian Fernando FAKE NEWS HATE SPEECH BERT ROBERTA GPT-3 DISTILBERT XLNET PROCESAMIENTO DEL LENGUAJE NATURAL
status_str	publishedVersion
title	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
title_full	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
title_fullStr	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
title_full_unstemmed	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
title_short	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
title_sort	Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.
topic	FAKE NEWS HATE SPEECH BERT ROBERTA GPT-3 DISTILBERT XLNET PROCESAMIENTO DEL LENGUAJE NATURAL
url	https://repositorio.espe.edu.ec/handle/21000/44992

Implementa y compara diferentes recursos de comprobación y modelos de Deep Learning como son Redes Transformers: BERT, RoBERTa, GPT-3, DistilBERT, XLNet, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido. CSMJ.

Ítems similars