一种用于 RoCliCo 上点击诱饵检测的对比学习新方法：罗马尼亚语新闻语料库
计算与语言
2023-10-11 v1 人工智能
机器学习
摘要
为增加收入，新闻网站常采用误导性新闻标题，诱使用户点击标题并阅读完整新闻。点击诱饵检测旨在自动识别此类虚假广告，避免浪费在线用户的宝贵时间。尽管该任务十分重要，但据我们所知，目前尚无公开可用的罗马尼亚语点击诱饵语料库。为此，我们引入了一个新的罗马尼亚语点击诱饵语料库(RoCliCo)，包含 8,313 条新闻样本，并人工标注为点击诱饵与非点击诱饵标签。此外，我们使用四种机器学习方法(从手工特征模型到循环与基于 transformer 的神经网络)进行实验，以建立一组有竞争力的基线。我们还进行了加权投票集成的实验。在所考虑的基线中，我们提出了一种基于 BERT 的新型对比学习模型，该模型学习将新闻标题与内容编码到一个深度度量空间中，使得非点击诱饵新闻的标题与内容具有高余弦相似度，而点击诱饵新闻的标题与内容具有低余弦相似度。我们的数据集与用于复现基线的代码已在 https://github.com/dariabroscoteanu/RoCliCo 公开提供下载。
引用
@article{arxiv.2310.06540,
title = {A Novel Contrastive Learning Method for Clickbait Detection on RoCliCo: A Romanian Clickbait Corpus of News Articles},
author = {Daria-Mihaela Broscoteanu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2310.06540},
year = {2023}
}
备注
Accepted at EMNLP 2023