标题党？基于自动调谐强化学习的煽情标题生成
计算与语言
2019-09-10 v1 人机交互
摘要
煽情标题是吸引人们注意力并产生读者兴趣的标题。传统的抽取式标题生成方法与人类作者不同，不针对最大读者注意力进行优化。在本文中，我们提出一种无需标注数据即可生成煽情标题的模型。我们首先通过将在线多评论（“标题党”）标题与从摘要模型生成的标题基线进行分类来训练一个煽情性打分器。该煽情性打分器的分数被用作强化学习器的奖励。然而，最大化有噪声的煽情性奖励会生成不自然的短语而非煽情标题。为有效利用该噪声奖励，我们提出一种新颖的损失函数，自动调谐强化学习（ARL），以动态平衡强化学习（RL）与最大似然估计（MLE）。人工评估显示，我们模型生成的样本中 60.8% 是煽情的，显著优于 Pointer-Gen 基线和其他 RL 模型。
引用
@article{arxiv.1909.03582,
title = {Clickbait? Sensational Headline Generation with Auto-tuned Reinforcement Learning},
author = {Peng Xu and Chien-Sheng Wu and Andrea Madotto and Pascale Fung},
journal= {arXiv preprint arXiv:1909.03582},
year = {2019}
}
备注
Accepted by EMNLP2019