• dataannotation
• deeplearning
• fakenews
• fakenewsdetection
• naturallanguageprocessing

Il problema del riconoscimento automatico delle Fake News sta diventando un topic di ricerca sempre più diffuso in numerosi campi. L’obiettivo della tesi è quello di presentare una metodologia per la costruzione di un corpus di fake news attraverso l’annotazione in crowdsourcing e di sfruttarla per la costruzione di un corpus. Per questo progetto ci siamo limitati a un unico evento, l’incendio della Cattedrale di Notre Dame nell’aprile 2019. Abbiamo progettato un task in cui è stato chiesto ai partecipanti di annotare un articolo o un tweet come Fake o Real sulla base di un contesto. Dopo le analisi di Inter-Annotator Agreement per calcolare l’affidabilità del corpus (rinominato momentaneamente NotreDame_Dataset), questo è stato utilizzato per addestrare alcuni modelli computazionali (CNN, BiLSTM e Bert) e per operare un confronto con altri due dataset attualmente allo stato dell’arte, LIAR e Fake- NewsNet, in modo da poter verificare l’attuale comportamento del NotreDame_Dataset.