"Una revisione sistematica del rilevamento multimodale di fake news sui social media tramite modelli di deep learning"

Questo articolo è una revisione sistematica della letteratura scientifica che analizza i metodi basati sul deep learning (DL) per il rilevamento di fake news "multimodali" (che combinano testo, immagini, video e audio) sui social media.

Obiettivo dello Studio

L'obiettivo è fornire una panoramica completa e un'analisi dei modelli di deep learning esistenti per il rilevamento multimodale di fake news, esaminando la letteratura pubblicata tra il 2018 e il 2025. Lo studio ha selezionato e analizzato 121 articoli di alta qualità da un totale iniziale di 963.

Risultati Chiave

  • Modelli più Utilizzati: I modelli di deep learning più popolari per questo compito sono i Transformer e le Reti Neurali Ricorrenti (RNN), seguiti dalle Reti Neurali Convoluzionali (CNN).
  • Dataset più Comuni: I dataset più frequentemente utilizzati per l'addestramento e il test di questi modelli provengono da Twitter e Weibo.
  • Metriche di Valutazione: Le performance dei modelli sono valutate principalmente tramite accuratezza, precisione, richiamo (recall) e F1-score.
  • Caratteristiche Analizzate: La combinazione di caratteristiche testuali e visive è l'approccio multimodale più studiato, rappresentando il 49% della ricerca analizzata.

Conclusioni e Direzioni Future

Lo studio si conclude evidenziando diverse limitazioni e direzioni per la ricerca futura, tra cui:

  • La necessità di progettare sistemi di rilevamento multilingua robusti, dato che la maggior parte degli approcci attuali si basa sull'inglese.
  • Lo sviluppo di modelli di DL ibridi per migliorare l'accuratezza.
  • L'integrazione dell'Intelligenza Artificiale Spiegabile (XAI) per comprendere perché un modello classifica una notizia come falsa.
  • La facilitazione di modelli di rilevamento in tempo reale.
  • La scarsità di dataset multimodali di grandi dimensioni, che limita l'efficacia dell'addestramento dei modelli.

Fonte: A systematic review of multimodal fake news detection on social media using deep learning models. Di Maged Nasser, Noreen Izza Arshad, Abdulalem Ali, Hitham Alhussian, Faisal Saeed, Aminu Da'u, Ibtehal Nafea.