学习判定新闻标题质量
信息检索
2020-04-21 v2 计算与语言
机器学习
摘要
如今，大多数新闻读者阅读的是新闻文章的在线版本而非传统纸质报纸。同时，新闻媒体出版商严重依赖新闻读者订阅和网站访问所产生的收入。因此，在线用户参与度对在线报纸而言是非常重要的议题。人们已投入大量精力撰写有趣标题以吸引在线用户注意。另一方面，标题不应具有误导性（例如标题党）；否则读者在阅读内容时会感到失望。本文中，我们基于通过网站日志分析获得的点击量和停留时间，提出四个指标来判定已发布新闻标题的质量。随后，我们使用所计算质量指标的软目标分布来训练我们提出的深度学习模型，该模型可预测未发布新闻标题的质量。所提模型不仅处理文章标题与正文的潜在特征以预测其标题质量，还考虑了标题与正文间的语义关系。为评估模型，我们使用了一家加拿大主要报纸的真实数据集。结果表明我们提出的模型优于其他最先进的 NLP 模型。
引用
@article{arxiv.1911.11139,
title = {Learning to Determine the Quality of News Headlines},
author = {Amin Omidvar and Hossein Poormodheji and Aijun An and Gordon Edall},
journal= {arXiv preprint arXiv:1911.11139},
year = {2020}
}
备注
10 Pages, Accepted at the 12th International Conference on Agents and Artificial Intelligence (ICAART) 2020