Los problemas de la desinformación online y las “fake news” han ido ganando cada vez más relevancia en una era en la que los contenidos son creados por los propios usuarios y las redes sociales son claves en la formación y difusión de nuevas historias. A través de plataformas como Twitter y Facebook a menudo se publica y se difunde ampliamente información poco fiable. Como resultado, periodistas y editores se ven en la necesidad de herramientas que les ayuden a acelerar el proceso de verificación de contenido que proviene de redes sociales.
Publicar noticias con contenido gráfico en un contexto falso, como usar fotografías pasadas como noticias actuales, es cada vez más frecuente. Motivado por esta problemática, se presenta un sistema semiautomático de detección de fake news centrado en la búsqueda inversa de fotografías pasadas en publicaciones en Twitter (tweets). El sistema extrae características de los tweets y las cuentas que lo publican para obtener una medida de la credibilidad de la fuente, y subjetividad y polaridad de la publicación.
El sistema puede analizar tanto cuentas como tweets individuales y genera una tabla resumen con los casos encontrados, con los datos más relevantes, como las fechas del tweet y de las imágenes encontradas, el id del tweet y el enlace de la web que contiene la imagen. El sistema genera otras tablas complementarias, con todas las características que se han recogido y tablas que se pueden usar, y se han usado para su uso en machine learninig.
Debido a las limitaciones del método de búsqueda inversa y a la dificultad de determinar el contexto de una noticia con una imagen de forma automática, el sistema no puede dar resultados categóricos, pero sí ser un apoyo al analista, ya que puede recoger gran cantidad de información expuesta de una forma resumida.
Enlace al documento completo aqui
