A solution to spot fake news on social media

Abstract

This thesis presents a theoretical study on the application of game-based metaheuristic algorithms to fake news detection on social media platforms. It explores the intersection of two domains : automatic fake news classification using machine learning, and the optimization of model performance through recent metaheuristic strategies inspired by game dynamics. The work begins by defining the problem of fake news and reviewing classical detection approaches, including linguistic, propagation-based, and machine learning methods. It then introduces metaheuristics as a promising class of optimization algorithms, focusing on a specific subset known as game-based metaheuristics. These include Golden Ball Optimization (GBO), Dice Game Optimization (DGO), Hide and Seek Optimization (HSO), and Search and Rescue Optimization (SARO). A comparative analysis of recent literature is conducted to assess the relevance and potential of integrating such algorithms into fake news detection pipelines. The review highlights trends, strengths, and limitations observed in hybrid approaches that combine machine learning with metaheuristics. The study concludes by identifying open challenges and recommending future research directions in this emerging field.****

Ce mémoire propose une étude théorique sur lapplication des algorithmes métaheuristiques inspirés des jeux à la détection des fausses informations sur les réseaux sociaux. Il sinscrit à la croisée de deux domaines : la classification automatique des fausses nouvelles par apprentissage automatique, et loptimisation des performances de ces modèles à laide de stratégies récentes doptimisation inspirées de dynamiques ludiques. Le travail commence par une définition du phénomène des fausses nouvelles, suivie dun état de lart des approches classiques de détection, notamment les méthodes linguistiques, basées sur la propagation, ou fondées sur lapprentissage automatique. Il introduit ensuite les métaheuristiques comme une classe prometteuse dalgorithmes doptimisation, en mettant laccent sur les métaheuristiques inspirées des jeux telles que Golden Ball Optimization (GBO), Dice Game Optimization (DGO), Hide and Seek Optimization (HSO) et Search and Rescue Optimization (SARO). Une analyse comparative de la littérature récente est menée afin dévaluer la pertinence de ces algorithmes dans les systèmes de détection des fausses informations. Létude met en évidence les tendances actuelles, les avantages, ainsi que les limites des approches hybrides combinant apprentissage automatique et métaheuristiques. Elle se termine par une discussion des défis ouverts et des perspectives de recherche dans ce domaine émergent.