En la era de la revolución digital y el uso generalizado de las redes sociales, las modalidades de consumo y producción de información se vieron interrumpidas por el cambio hacia la transmisión instantánea. A veces, la primicia y la exclusividad son solo por unos minutos. La información se propaga como un incendio forestal en todo el mundo, con poco respeto por el contexto o el pensamiento crítico, lo que resulta en la proliferación de noticias falsas. Como resultado, es preferible contar con un sistema que permita a los consumidores obtener información noticiosa equilibrada. Algunos investigadores intentaron detectar noticias falsas y auténticas utilizando datos etiquetados y tuvieron cierto éxito. Los grupos sociales en línea propagan noticias falsas digitales o material de noticias falsas en forma de compartidos, re-compartidos y republicaciones. Este trabajo tiene como objetivo detectar las formas de noticias falsas despachadas en las redes sociales para mejorar la calidad de la confianza y la transparencia en el sistema de recomendación de redes sociales. Proporciona una visión general de las técnicas tradicionales utilizadas para detectar noticias falsas y enfoques modernos utilizados para la multiclasificación utilizando datos no etiquetados. Muchos investigadores se están enfocando en detectar noticias falsas, pero menos trabajos destacan el papel de esta detección en la mejora de la calidad de la confianza en los sistemas de recomendación de redes sociales. En este artículo de investigación, adoptamos un enfoque mejorado para ayudar a los usuarios a decidir qué información leer al alertarlos sobre el grado de inexactitud de las noticias que están viendo y recomendando los muchos tipos de noticias falsas que representa el material.