MuSeM：利用互注意力语义匹配检测不一致新闻标题
计算与语言
2020-10-09 v1
摘要
度量两段文本间的一致性具有若干有用应用，例如检测网络上盛行的欺骗性与误导性新闻标题。许多工作提出了基于机器学习的解决方案，如利用标题与正文间的文本相似度来检测不一致。基于文本相似度的方法因若干固有挑战而表现不佳，如新闻标题与其正文内容相对长度不匹配以及词汇不重叠。另一方面，较近期使用标题引导注意力来学习标题导出的新闻正文上下文表示的工作，也因新闻正文冗长而导致整体表示混淆。本文提出一种方法，使用原始标题与合成生成标题之间的互注意力语义匹配，其利用所涉及词的所有词嵌入对之间的差异。本文还探究了我们方法的另两种变体，其使用原始与合成标题词的词嵌入的拼接与点积。我们观察到，所提方法在两个公开可用数据集上显著优于先前方法。
引用
@article{arxiv.2010.03617,
title = {MuSeM: Detecting Incongruent News Headlines using Mutual Attentive Semantic Matching},
author = {Rahul Mishra and Piyush Yadav and Remi Calizzano and Markus Leippold},
journal= {arXiv preprint arXiv:2010.03617},
year = {2020}
}
备注
Accepted paper; IEEE 2020 International Conference on Machine Learning and Applications (ICMLA)