“TL;DR:” 脱离语境的对抗性文本摘要与话题标签推荐
计算与语言
2021-04-05 v1 密码学与安全
信息检索
摘要
本文提出脱离语境摘要器（Out-of-Context Summarizer），该工具通过将任意公开新闻文章摘要为连贯契合自由派或保守派倾向议程的内容，使其脱离语境。脱离语境摘要器还建议话题标签关键词，以加剧摘要的两极分化，以防有人想将其带到 Twitter、Parler 或其他平台进行煽动。脱离语境摘要器在摘要 COVID-19 文章时达到 79% 准确率和 99% 召回率，在摘要政治中心文章时达到 93% 准确率和 93% 召回率，在将自由派偏向文章脱离语境时达到 87% 准确率和 88% 召回率。该摘要器汇总有效来源而非合成虚假文本，本可轻易通过“对抗性披露”测试，但我们在文中未走这条捷径。相反，我们使用脱离语境摘要器将对自动化文本生成潜在滥用的讨论，推至超越对抗性语言模型负责任披露的陈规文本之上。
引用
@article{arxiv.2104.00782,
title = {"TL;DR:" Out-of-Context Adversarial Text Summarization and Hashtag Recommendation},
author = {Peter Jachim and Filipo Sharevski and Emma Pieroni},
journal= {arXiv preprint arXiv:2104.00782},
year = {2021}
}