2017 点击诱饵挑战赛：面向点击诱饵强度的回归模型
计算与语言
2018-12-31 v1 信息检索
摘要
点击诱饵已逐渐成为社交媒体用户和运营商的共同困扰。恶意内容发布者滥用社交媒体，利用点击诱饵消息操纵尽可能多的用户访问其网站。机器学习技术可能有助于处理这一问题，催生了自动点击诱饵检测。为加速该方向进展，我们组织了 2017 点击诱饵挑战赛，这是一个邀请提交点击诱饵检测器以进行比对评估的共享任务。共有 13 个检测器被提交，在检测性能上相较先前的最先进水平取得了显著提升。此外，许多提交的方法已开源发布，使其可复现，并为新研究者提供了良好的起点。尽管 2017 挑战赛已结束，我们仍维护评估系统并响应新的注册，以支持更好的点击诱饵检测器的持续研究。
引用
@article{arxiv.1812.10847,
title = {The Clickbait Challenge 2017: Towards a Regression Model for Clickbait Strength},
author = {Martin Potthast and Tim Gollub and Matthias Hagen and Benno Stein},
journal= {arXiv preprint arXiv:1812.10847},
year = {2018}
}