POSHAN：基于基数词性模式引导注意力的新闻标题不一致检测
计算与语言
2021-11-08 v1 人工智能
信息检索
摘要
自动检测点击诱饵与不一致的新闻标题对于维护 Web 的可靠性至关重要，已引起大量研究关注。然而，当新闻标题包含语境上重要的基数数值（如数量或金额）时，大多数现有方法表现不佳。在本工作中，我们聚焦于这一特定情形，提出一种基于神经注意力的解决方案，其使用一种新颖的基于基数词性（POS）标签模式的分层注意力网络，即 POSHAN，来学习新闻文章中句子的有效表示。此外，我们研究了一种新颖的基数短语引导注意力，其利用语境上重要的基数数值及邻近词的词嵌入。在两个公开可用数据集上进行的实验中，我们观察到所提方法赋予基数数值恰当的显著性，并优于所有基线。对 POSHAN 的消融研究表明，基于基数 POS 标签模式的分层注意力对于标题含基数数值的情形非常有效。
引用
@article{arxiv.2111.03547,
title = {POSHAN: Cardinal POS Pattern Guided Attention for News Headline Incongruence},
author = {Rahul Mishra and Shuo Zhang},
journal= {arXiv preprint arXiv:2111.03547},
year = {2021}
}
备注
Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM '21), November 1--5, 2021, Virtual Event, QLD, Australia