保持事实的个性化新闻标题生成

个性化新闻标题生成旨在基于读者的偏好生成用户特定的标题，近年来成为一个日新月异的研究方向。现有研究通常将 user interest embedding 注入到 encoder-decoder headline generator 中以实现输出的个性化，但标题的 factual consistency 难以得到充分验证。本文提出了保持事实一致性的个性化新闻标题生成框架 (Fact-Preserved Personalized News Headline Generation, 简称 FPG)，以在 personalization 和 consistency 之间建立 tradeoff。 在 FPG 中，使用 candidate news 与历史点击 news 的相似度为 candidate news 中的 key facts 给出不同的注意力水平，相似度得分有助于学习 fact-aware global user embedding。此外，还发明了一个基于对比学习的 additional training 程序进一步增强生成标题的 factual consistency。在真实世界的 benchmark PENS 上进行的大量实验表明，FPG 的优势尤其在在 personalization 和 factual consistency 之间的 tradeoff 上。