El uso de las redes sociales para noticias, comentarios sobre servicios e incluso compras está en aumento. Los servicios de los hoteles, la limpieza de los alimentos y el comportamiento del personal también se discuten en línea. Los hoteles son evaluados por el público a través de comentarios en sus sitios web y cuentas de redes sociales. Esto ayuda a los clientes potenciales antes de reservar los servicios de un hotel, pero también crea una oportunidad para el abuso. Los estafadores dejan reseñas engañosas sobre servicios que nunca recibieron, o inyectan promociones falsas o comentarios falsos para disminuir la clasificación de los competidores. Estos ataques maliciosos solo aumentarán en el futuro y se convertirán en un problema serio no solo para los comerciantes, sino también para los clientes de los hoteles. Para rectificar el problema, muchos estudios basados en inteligencia artificial han realizado análisis del discurso sobre las reseñas para validar su autenticidad. Sin embargo, sigue siendo un desafío encontrar una solución automatizada precisa, robusta y desplegable para realizar análisis del discurso. Un chequeo de credibilidad a través del análisis del discurso ayudaría a crear un entorno más seguro en las redes sociales. El estudio propuesto se lleva a cabo para realizar análisis del discurso sobre reseñas falsas y reales de manera automática. Utiliza un conjunto de datos de reseñas reales de hoteles, que contiene tanto reseñas positivas como negativas. Se investiga la hipótesis de que se utilizan palabras fuertes, basadas en hechos y realistas en reseñas veraces, mientras que las reseñas engañosas carecen de un contexto estructural coherente. Por lo tanto, se utilizaron características basadas en el peso de frecuencia y conscientes semánticamente en el estudio propuesto, y se realizó un análisis comparativo. Las características conscientes semánticamente han mostrado fortaleza contra la hipótesis del estudio actual. Además, se aplicaron métodos de retención y k-fold para la validación de los métodos propuestos. Los resultados finales indican que las características conscientes semánticamente inspiran más confianza para detectar la decepción en el texto.