Estudios recientes han indicado que las noticias falsas siempre se producen para manipular a los lectores y que se propagan muy rápidamente y causan un gran daño a la sociedad humana a través de las redes sociales. De la literatura disponible, la mayoría de los estudios se centraron en la detección e identificación de noticias falsas y en el análisis de sentimientos de noticias falsas utilizando técnicas de aprendizaje automático o aprendizaje profundo. Sin embargo, relativamente pocos investigadores han prestado atención al análisis de noticias falsas. Esto es especialmente cierto para las noticias políticas falsas. A diferencia de otros trabajos publicados que construyeron modelos de detección de noticias falsas desde el punto de vista de los científicos de la computación, este estudio tiene como objetivo desarrollar un método efectivo que combine el procesamiento del lenguaje natural (PLN) y el análisis semántico latente (LSA) utilizando técnicas de descomposición de valores singulares (SVD) para ayudar a los científicos sociales a analizar noticias falsas para descubrir los elementos exactos. Además, los autores analizan las características de las noticias verdaderas y falsas. Se emplea un caso real de la campaña electoral de EE. UU. en 2016 para demostrar la efectividad de nuestros métodos. Los resultados experimentales podrían dar sugerencias útiles a futuros investigadores para distinguir noticias falsas. Este estudio encuentra los cinco conceptos extraídos de LSA y que son representativos de noticias políticas falsas durante las elecciones.