基于图神经网络的孟加拉语新闻标题与正文内容不一致性检测
计算与语言
2022-11-16 v1 人工智能
机器学习
摘要
新闻标题与正文内容之间的不一致性是吸引读者的一种常见欺骗手段。吸睛的标题激起读者的兴趣并鼓励他们访问特定网站。这通常通过添加不诚实的元素来实现，使用不能准确反映所提供内容的诱饵。因此，利用语言分析自动检测标题与正文内容之间的不一致新闻已引起研究界的关注。然而，各种解决方案主要针对英语开发以解决此问题，使低资源语言被排除在外。孟加拉语在100种最广泛使用的语言中排名第7，这促使我们特别关注孟加拉语。此外，孟加拉语的句法结构更为复杂且自然语言处理资源更少，因此执行诸如不一致性检测和立场检测之类的NLP任务变得具有挑战性。为应对此问题，针对孟加拉语，我们提出了一种基于图的分层双编码器（BGHDE）模型，该模型能有效学习孟加拉语新闻标题与内容段落之间的内容相似性与矛盾性。实验结果表明，所提出的孟加拉语基于图的神经网络模型在各种孟加拉语新闻数据集上达到了90%以上的准确率。
引用
@article{arxiv.2211.07709,
title = {Incongruity Detection between Bangla News Headline and Body Content through Graph Neural Network},
author = {Md Aminul Haque Palash and Akib Khan and Kawsarul Islam and MD Abdullah Al Nasim and Ryan Mohammad Bin Shahjahan},
journal= {arXiv preprint arXiv:2211.07709},
year = {2022}
}
备注
6 figures, 2 tables