区分新闻中的商业内容与编辑内容
计算与语言
2021-11-11 v1
摘要
我们如何区分新闻中的商业内容与编辑内容，或更具体地，如何区分广告软文与常规新闻文章？广告软文是一种以文章形式撰写和排版的商业信息，尽管使用了免责声明，仍使读者更难将其识别为广告。在我们的研究中，旨在使用机器学习模型及由其导出的词典来区分二者。这是通过从四个不同的荷兰新闻来源抓取 1000 篇文章和 1000 篇广告软文，并基于文本特征对其进行分类来实现的。在此设置下，我们最成功的机器学习模型准确率略高于 。为额外洞察新闻与广告软文语言之间的差异，我们还分析了模型系数，并通过共现网络与 t-SNE 图对语料库进行了探索。
引用
@article{arxiv.2111.03916,
title = {Distinguishing Commercial from Editorial Content in News},
author = {Timo Kats and Peter van der Putten and Jasper Schelling},
journal= {arXiv preprint arXiv:2111.03916},
year = {2021}
}