Un número creciente de personas utiliza las reseñas en línea para decidir si quieren utilizar o comprar un servicio o producto. Por lo tanto, hay una gran demanda de enfoques para identificar reseñas falsas. Este documento propone un marco híbrido de verificación de hechos basado en reglas, utilizando Programación de Conjuntos de Respuestas (ASP) y procesamiento del lenguaje natural. El documento incorpora los patrones de comportamiento de los revisores combinados con las propiedades/características cualitativas y cuantitativas extraídas del contenido de sus reseñas. Como estudio de caso, evaluamos el marco utilizando un conjunto de datos de reseñas de películas, que consiste en cuentas de usuarios con sus reseñas asociadas, incluyendo el título de la reseña, el contenido y la calificación de estrellas de la película, para identificar reseñas que no son confiables y etiquetarlas en consecuencia en la salida. Esta salida se utiliza luego en el frente de una plataforma de reseñas de películas para etiquetar las reseñas como falsas y mostrar su sentimiento. La evaluación del enfoque propuesto mostró resultados prometedores y alta flexibilidad.