学习识别模糊与误导性的新闻标题

准确性是新闻业的基本原则之一。然而，由于新闻媒体的多样化，这一原则越来越难以把控。一些在线新闻编辑倾向于使用吸引眼球的标题来诱使读者点击。这些标题或含糊其辞或具误导性，降低了读者的阅读体验。因此，识别不准确的新闻标题是一项值得研究的工作。先前工作将这些标题称为“clickbaits”，且主要关注从标题本身提取的特征，这限制了性能，因为标题与新闻正文之间的一致性未被充分重视。本文中，我们清晰地重新定义了该问题，并分别识别模糊与误导性标题。在检测模糊标题时，我们利用类序列规则来挖掘结构信息。对于误导性标题的识别，我们基于标题与正文之间的一致性提取特征。为利用大规模未标注数据集，我们应用了 co-training 方法并获得了性能提升。实验结果表明了我们所提方法的有效性。随后，我们使用分类器检测从不同的来源爬取的不准确标题，并进行了数据分析。