Vérification de faits par partitionnement de données

Dans ce document, nous proposons une nouvelle stratégie de vérification de faits (recherche de la vérité), basée sur le clustering de données en apprentissage automatique avec la méthode des k-moyennes combinée à l’indice de silhouette pour déterminer la valeur optimale de k, afin de détecter la partition optimale de l’ensemble des attributs. Une telle partition optimale maximise la précision du processus de recherche de la vérité sans avoir à explorer toutes les partitions possibles. Les résultats de nos expérimentations intensives sur des données synthétiques et réelles montrent que notre approche surpasse celles dans (Lamine Ba et al., 2015), avec un coût en temps de calcul plus raisonnable. Enfin, nous esquissons une manière de paralléliser un processus de recherche de la vérité donné en utilisant le paradigme MapReduce en vue d’éviter l’explosion du temps d’exécution lorsque la taille des données d’entrée augmente.