用于点击诱饵检测的联邦层次混合网络
信息检索
2019-06-04 v1 计算与语言
摘要
网络媒体机构采用点击诱饵技术引诱读者点击文章，以扩大传播范围并随后通过广告变现增加收入。随着点击诱饵的负面影响引发越来越多关注，研究者已开始探索利用机器学习技术自动检测点击诱饵。以往点击诱饵检测工作假设训练时所有训练数据均在本地可用。然而，在许多现实应用中，训练数据通常由不同方分布式存储（例如，不同方维护具有不同特征空间的数据），且由于数据隐私问题各方无法相互共享数据。在不共享数据的情况下，联邦构建高质量模型以有效检测点击诱饵具有挑战性。本文中，我们提出一种称为联邦层次混合网络的联邦训练框架，用于构建点击诱饵检测模型，其中标题与内容由不同方存储，必须利用它们之间的关系进行点击诱饵检测。我们通过使用来自社交媒体的数据集将本方法与 SOTA 方法比较，实证证明了本方法的有效性。
引用
@article{arxiv.1906.00638,
title = {Federated Hierarchical Hybrid Networks for Clickbait Detection},
author = {Feng Liao and Hankz Hankui Zhuo and Xiaoling Huang and Yu Zhang},
journal= {arXiv preprint arXiv:1906.00638},
year = {2019}
}
备注
10 pages