Corroboration de vues discordantes fondée sur la confiance∗

Résumé. Cet article traite de la corroboration d’informations, dans le contexte de vues exprimant des opinions sur des faits de façon éventuellement contradictoire. Il s’agit de prédire si un fait est vrai ou faux. Des méthodes d’agrégation simples comme le vote donnent déjà de bons résultats, mais nous présentons dans cet article des algorithmes qui tiennent compte de la confiance dans les vues pour améliorer les prédictions. Les trois algorithmes proposés sont des algorithmes de point fixe correspondant à différents niveaux de complexité du modèle probabiliste sous-jacent. Ils estiment à la fois la valeur de vérité des faits et la confiance dans les vues. Cet article présente une étude expérimentale sur des données synthétiques et réelles. Ces expériences montrent dans quelle mesure et dans quel contexte nos algorithmes peuvent améliorer les résultats par rapport au vote. La corroboration apparâıt naturellement dans un grand nombre d’applications, comme la sélection de sources dans le Web sémantique, les tests de qualité de données ou le nettoyage d’annotations sémantiques dans les réseaux sociaux. Ce travail pose donc les bases de techniques plus complexes pour traiter les problèmes précédents.