Il dottorando Alessandro Bondielli e l’assegnista di ricerca Lucia Passaro
Il dottorando Alessandro Bondielli e l’assegnista di ricerca Lucia Passaro

Pisa, 15 giugno 2020 - L'università di Pisa in prima linea per contrastare la diffusione di fake news sui social media.

Il gruppo di ricerca Natural Language Engineering dell’Università di Pisa (Unipi-Nle) ha partecipato con successo alla campagna di valutazione internazionale di fact checking Clef2020 CheckThat! - Enabling Automatic Identification and Verification of Claims in Social Media. Il fact checking consiste nella valutazione della veridicità di affermazioni a partire da fatti comprovati.

La competizione, a cui hanno partecipato sia team accademici che industriali, aveva l’obiettivo di identificare, data una serie di tweet, quale tra oltre 10mila affermazioni verificasse il contenuto di ciascuno dei tweet.

Il sistema dell’Università di Pisa, elaborato dal dottorando Alessandro Bondielli e dall’assegnista di ricerca Lucia Passaro con il coordinamento dei professori Alessandro Lenci e Francesco Marcelloni, si è qualificato secondo, con un distacco minimo dal vincitore, ottenendo un’accuratezza superiore al 90%.

Il sistema utilizza tecniche avanzate di Intelligenza Artificiale e Deep Learning applicate al linguaggio naturale in grado di riconoscere in modo totalmente automatico la similarità tra frasi. Il gruppo Unipi-Nle nasce da una collaborazione tra il Dipartimento di Ingegneria dell’Informazione e il Laboratorio di Linguistica Computazionale del Dipartimento di Filologia, Letteratura e Linguistica, attiva da molti anni su tematiche di Trattamento Automatico e Ingegneria del Linguaggio naturale, come Sentiment Analysis, Emotion Detection, Fake News Detection.

La campagna di valutazione si è svolta nel contesto di CLEF 2020 Conference and Labs of the Evaluation Forum, che si occupa di valutare sistemi di Information Retrieval mono e multi-lingua. Lo studio orientato al fact checking è nato all’interno del progetto “Event Extraction for Fake News Detection”, finanziato dall’Università di Pisa nell’ambito del MIT-UNIPI Seed Funds Project.