Modelo para la identificación de fraudes en publicaciones de venta de productos con Scraping en Facebook

Abstract

El artículo presenta un modelo para la identificación de fraudes en publicaciones de venta de productos en grupos de Facebook, utilizando técnicas de scraping y procesamiento del lenguaje natural (NLP). Con el crecimiento del comercio electrónico en redes sociales, han aumentado los casos de fraudes, lo que motiva la necesidad de soluciones efectivas. El modelo comienza con la extracción de datos de publicaciones de productos en grupos de compra / venta Facebook usando bibliotecas de Python como BeautifulSoup y Selenium, estos datos son luego procesados y analizados mediante técnicas de NLP apoyados en (gpt-3.5-turbo-instruct) para identificar patrones y evaluar la relación entre artículos y comentarios. El modelo emplea el coeficiente alfa de Cronbach para validar la consistencia interna de las evaluaciones y utiliza la detección de anomalías para identificar patrones inusuales que podrían indicar fraudes. Los resultados muestran que el modelo es eficaz en la identificación de fraudes, ofreciendo una solución adaptada a las características específicas de Facebook. La integración de scraping y NLP proporciona una herramienta valiosa para mejorar la precisión en la detección de fraudes, contribuyendo significativamente al campo de la inteligencia de negocios y fortaleciendo la confianza en el comercio electrónico en redes sociales.