利用Transformer识别自动生成的标题

Antonis Maronikolakis; Hinrich Schutze; Mark Stevenson

利用Transformer识别自动生成的标题

计算与语言 2021-04-27 v3 计算机与社会机器学习

作者: Antonis Maronikolakis , Hinrich Schutze , Mark Stevenson

摘要

通过互联网和社交媒体传播的虚假信息影响公众舆论和用户活动,而生成模型使得假内容的生成比以往更快、更廉价。在不远的将来,识别由深度学习模型生成的假内容将在保护用户免受错误信息影响方面发挥关键作用。为此,我们创建了一个包含人工与计算机生成标题的数据集,一项用户研究表明人类仅在47.8%的案例中能够识别假标题。然而,最准确的自动方法Transformer取得了85.7%的总体准确率,表明由语言模型生成的内容可以被准确过滤。

关键词

假内容检测生成标题 Transformer 语言模型错误信息

引用

@article{arxiv.2009.13375,
  title  = {Identifying Automatically Generated Headlines using Transformers},
  author = {Antonis Maronikolakis and Hinrich Schutze and Mark Stevenson},
  journal= {arXiv preprint arXiv:2009.13375},
  year   = {2021}
}

备注

NLP4IF 2021 Proceedings, NAACL 2021

利用Transformer识别自动生成的标题

摘要

关键词

引用

备注

相关论文