文書分類の分野において、情報融合を用いたパターン認識手法を包括的にレビューした論文がarXivに投稿された。この研究は、マルチモーダル融合（テキストや画像など複数のデータソースの統合）とマルチビュー融合（同一データの複数の表現の利用）という二つの主要戦略に焦点を当て、分野に統一的な枠組み、定量的な有効性の評価、実践者向けの明確な指針が欠けているというギャップを埋めることを目指している。
著者のMarcin Michał Mirończukは、139件の一次研究を分析し、分野を構造化するための形式的手法を導入するとともに、主要なトレンドを特定する定性分析の結果を示した。さらに、文書分類に焦点を当てたものとしては知る限り初となるランダム効果メタ分析を実施し、融合手法による性能向上を定量化した。
メタ分析の結果、マルチモーダル融合は分類精度を平均5.28ポイント向上させ（p=0.0016）、統計的に有意であることが示された。しかし、F1スコアの向上は方向性としては正であるものの、主要モデルでは統計的有意性に達しなかった。一方、マルチビュー融合はより一貫しているが小幅な改善をもたらし、精度+4.67%、F1スコア+3.08%、再現率の向上はいずれも統計的に有意であった（p<0.05）。
レビューはまた、方法論的厳密性における深刻な不足を指摘している。統計的検定を用いて発見を検証している研究は、マルチモーダルで11.8%、マルチビューで23.3%に過ぎず、多くの公表結果の信頼性を損なっている。著者は、情報融合の成功はアルゴリズムの複雑さではなく、融合手法がタスクの文脈と戦略的に整合しているかどうか、そしてより厳密な検証への取り組みにかかっていると強調する。
このレビューの主な貢献は、統一的な枠組み、初の定量的証拠基盤、そしてデータ駆動型のガイドラインの提供にある。論文は2026年4月7日に提出され、cs.AIカテゴリに属している。