HonestBait:基于前向指代生成吸引人且忠实的标题
计算与语言
2023-06-27 v1 人工智能
摘要
当前生成吸引人标题的方法通常直接从数据中学习,将吸引力建立在用户点击量与浏览量之上。尽管点击或浏览量确实反映用户兴趣,但它们无法揭示有多少兴趣由写作风格引发、多少源于事件或主题本身。此外,此类方法可能因过度夸大内容而导致有害的虚构,加剧虚假信息的传播。本文提出 HonestBait,一种从另一角度解决这些问题的新框架:利用前向指代(FRs,一种常用于点击诱饵的写作技巧)生成标题。训练中包含自验证过程以避免虚假编造。我们首先开展初步用户研究以理解 FRs 如何影响用户兴趣,随后提出 PANCO1——一个包含虚假新闻与已核实新闻配对的创新数据集,用于吸引人且忠实的的新闻标题生成。自动指标与人工评估表明,我们的框架在保持高真实性的同时产生了更具吸引力的结果(相较人工撰写的已核实新闻标题提升 +11.25%),有助于推广真实信息以对抗虚假新闻。
引用
@article{arxiv.2306.14828,
title = {HonestBait: Forward References for Attractive but Faithful Headline Generation},
author = {Chih-Yao Chen and Dennis Wu and Lun-Wei Ku},
journal= {arXiv preprint arXiv:2306.14828},
year = {2023}
}
备注
Accepted to ACL 2023 Findings