22 janv. 2019 Metz (France)

Objectif

L’objectif de cet atelier est d’échanger sur les différents aspects de la véracité dans le Big Data et le Web. D’une part, il est essentiel avoir des méca­nismes de vérification de l’exactitude des données dans les bases de connaissances obtenues par le biais de procédés parfois automatiques. D’autres part, la propagation d’informations fausses et trompeuses dans le Web, et en particulier dans les médias sociaux, constitue une plaie sociale qui nécessite des réponses efficaces.

Descriptif

La détermination de la véracité des données et, par conséquent, de la crédibilité de la source de ces données, pose de nombreux défis de recherche et constitue l’un des enjeux majeurs dans le domaine du Big Data. En effet, la véracité est souvent citée, avec le volume, la vitesse, la variété et la valeur, comme l’un des cinq éléments (5V) à prendre en compte dans le cadre de la gestion de grosses masses de données.

Des outils efficaces doivent être développés pour pouvoir évaluer la véracité des faits des bases de connaissances disponibles, telles que DBpedia, Yago et GeoNames. Ces bases de connaissances jouent un rôle essentiel dans plusieurs applications pouvant être critiques, d’où l’importance de mettre en place de mécanismes efficaces de vérification de l’exactitude de leur contenu.

Par ailleurs, la propagation intentionnelle d’informations fausses sur le Web, en particulier les médias sociaux, est une plaie pour laquelle la presse a très récemment pris conscience et qui nécessite des contre-mesures efficaces.

Plusieurs problématiques majeures méritent d’être étudiées dans ce cadre telles que l’évaluation de la véracité tout en considérant les contextes spatio-temporels inhérents, la possibilité de considérer des vérités multiples, la détection de copies et de dépendance/influence entre sources et enfin le besoin de mécanismes d’explication de la véracité des faits.

 

Thèmes de l'atelier

  • Détection de faits incorrects dans les bases de connaissances.
  • Détection et propagation d’informations fausses dans le Web, y compris la presse et les médias sociaux.
  • Détermination de la crédibilité des sources de données et des utilisateurs des médias sociaux.
  • Détection de copies entre les sources et son exploitation pour l’évaluation de la véracité
  • Argumentation et réfutation de propos faux dans les médias sociaux.
  • Visualisation des étapes du raisonnement qui sont à la base de la détermination de la véracité.
  • Enrichissement de bases de connaissances par des informations spatio-temporelles liées à la véracité
  • Utilisation de contextes spatio-temporels pour la véracité.
  • Développement d’outils de détection de la véracité.
  • Exploitation du crowdsourcing.
  • Évaluation de la qualité des méthodes de détection de la véracité.
  • Construction de benchmarks pour la véracité 
e
Personnes connectées : 1