Fake news detection tramite text mining e modelli statistici

Il lavoro mira a studiare alcuni dei possibili approcci per la rilevazione di fake news, per poi confrontarli e arrivare al metodo che giunge alle previsioni migliori tra quelli considerati. La base di partenza è una collezione di documenti già etichettati, da cui poi si procede con due fasi: la prima prevede l'utilizzo di tecniche di text mining sui testi, in modo da ottenere dei dati strutturati utili per la seconda fase. In questa, infatti, si sfruttano le informazioni estratte dalla prima per applicare delle procedure di classificazione dei documenti, utilizzando diversi modelli statistici come la regressione logistica, l'analisi del discriminante (lineare e quadratica), gli alberi di regressione e altri classificatori come il random forest e il gradient boosting . La classificazione è binaria, in quanto un elemento della collezione viene interpretato come “reale” se tutte le parti sono verificabili, o "falso" se anche solo una parte di esso non è vera.