Vrification de faits par partitionnement de donnes

Dans ce document, nous proposons une nouvelle stratgie de vrification de faits (recherche de la vrit), base sur le clustering de donnes en apprentissage automatique avec la mthode des k-moyennes combine l'indice de silhouette pour dterminer la valeur optimale de k, afin de dtecter la partition optimale de l'ensemble des attributs. Une telle partition optimale maximise la prcision du processus de recherche de la vrit sans avoir explorer toutes les partitions possibles. Les rsultats de nos exprimentations intensives sur des donnes synthtiques et relles montrent que notre approche surpasse celles dans (Lamine Ba et al., 2015), avec un cot en temps de calcul plus raisonnable. Enfin, nous esquissons une manire de parallliser un processus de recherche de la vrit donn en utilisant le paradigme MapReduce en vue d'viter l'explosion du temps d'excution lorsque la taille des donnes d'entre augmente.