基于问答与段落检索的标题党剧透
计算与语言
2022-03-22 v1
摘要
我们引入并研究了标题党剧透任务：生成一段简短文本，以满足由标题党帖子引发的好奇心。标题党链接到一个网页，并通过激发好奇心而非提供信息摘要来宣传其内容。我们的贡献在于提出了对所需剧透类型（即短语或段落）进行分类的方法，以及生成相应剧透的方法。在一个包含5,000条人工剧透的标题党帖子的新语料库——Webis Clickbait Spoiling Corpus 2022——上进行的大规模评估和错误分析表明，我们的剧透类型分类器达到了80%的准确率，而问答模型DeBERTa-large在生成两种类型的剧透方面均优于所有其他模型。
引用
@article{arxiv.2203.10282,
title = {Clickbait Spoiling via Question Answering and Passage Retrieval},
author = {Matthias Hagen and Maik Fröbe and Artur Jurk and Martin Potthast},
journal= {arXiv preprint arXiv:2203.10282},
year = {2022}
}
备注
Accepted at ACL 2022