使用多种分类技术的点击诱饵检测

点击诱饵（clickbait）是带有蓄意设计的误导性标题的在线文章，用以引诱越来越多的读者打开目标网页。点击诱饵被用于诱惑访问者点击特定链接，要么是为了将落地页变现，要么是为了传播虚假新闻以制造轰动效应。任何新闻聚合门户上出现点击诱饵都可能导致读者不愉快的体验。从新闻标题中自动检测点击诱饵标题一直是机器学习界的一个挑战性问题。近来已提出大量方法来防范点击诱饵文章。然而，现有的点击诱饵检测技术不够鲁棒。本文提出一种混合分类技术，通过整合不同特征、句子结构和聚类来分离点击诱饵与非点击诱饵文章。在初步分类阶段，使用十一个特征对标题进行分离。之后，利用句子正式度、句法相似度度量对标题重新分类。在最后阶段，基于 t-随机邻域嵌入（t-SNE）方法的词向量相似度应用聚类，对标题再次重新分类。对这些标题分类后，将机器学习模型应用于数据集以评估机器学习算法。获得的实验结果表明，对于我们使用的真实世界数据集，所提出的混合模型比任何单一分类技术更鲁棒、可靠和高效。