Review of Feature Extraction Techniques for Fake News Detection

Detection of violent speech against women in Mexican tweets using an active learning approach

“…Para ello, en el contexto de la clasificación de texto (en este trabajo se trata de tuits), es necesario llevar a cabo un proceso conocido como "extracción de características", el cual utiliza una lista de palabras para transformarlas en un conjunto de características únicas [43]. Se han empleado diversas técnicas computacionales para llevar a cabo esta tarea, y una de las más sencillas es Tf-idf (Term frequency-inverse document frequency) [44], que es un enfoque comúnmente utilizado en el análisis de sentimientos. Su función principal es reflejar la relevancia de una palabra en un documento dentro de una colección de documentos.…”

“…El método Tf-idf Vectorizer utiliza la matriz CountVectorizer [44] y calcula la frecuencia inversa de cada documento (IDF) (Ec. (1)) para normalizar los valores TF-IDF de cada palabra i en el documento D en un rango de 0 a 1 en el vector numérico resultante.…”

“…Para este trabajo, no se consideraron relevantes los hashtags; no obstante, no se descarta la posibilidad de trabajar más adelante con estos elementos y analizar si presentan información valiosa para el análisis de tuits. Posteriormente, se utilizó el método de extracción de características Tf-idf [44] para convertir los datos cualitativos en datos cuantitativos, permitiendo así que el modelo neuronal sea capaz de procesarlos. Por último, se empleó el método de sobremuestreo SMOTE (Synthetic Minority Over-sampling Technique) [48], únicamente al CE para lograr un balance en las clases y evitar que el desempeño del clasificador esté sesgado por la clase mayoritaria.…”