Diverse, Controllable, and Keyphrase-Aware: A Corpus and Method for News Multi-Headline Generation
College of Computer Science, Sichuan University（四川大学计算机学院）；Microsoft Research Asia（微软亚洲研究院）；Mila（米拉）；Microsoft（微软）
新闻标题生成的目的是产生一个简短的句子来吸引读者阅读新闻。一篇新闻文章通常包含不同用户感兴趣的多个关键词，自然可以有多个合理的标题。然而，大多数现有的方法集中在单一的标题生成。本文提出了一种基于用户兴趣关键词的多标题生成方法，其主要思想是先生成多个用户感兴趣的关键词，然后再生成多个关键词相关的标题。我们提出了一个多源Transformer解码器，它采用三个源作为输入：（a）关键词，（b）关键词过滤的文章，和（c）原始文章，以生成关键词相关的，高质量的，多样化的标题。此外，我们提出了一种简单有效的方法来挖掘新闻文章中感兴趣的关键词，并建立了第一个大规模的关键词感知的新闻标题语料库，其中包含超过18万对齐的$<$新闻文章，标题，关键词$>$三元组。在真实世界数据集上的大量实验比较表明，该方法在质量和多样性方面达到了最先进的结果
2020-10-04 cs.CL
Automatic Generation of Factual News Headlines in Finnish
University of Helsinki（赫尔辛基大学）；École Normale Supérieure-PSL（巴黎高等师范学院-PSL大学）；CNRS（法国国家科学研究中心）；Université Sorbonne nouvelle（新索邦大学）
我们提出了一种新的方法来生成芬兰语的新闻标题为一个给定的新闻故事。我们将其建模为摘要任务，其中模型被赋予新闻文章，其任务是生成描述文章主题的简洁标题。因为芬兰语没有公开可用的GPT-2模型，我们将首先使用几个语料库构建这样一个模型。然后，使用大量的新闻语料库的标题生成任务的模型进行微调。该系统由在芬兰一家媒体工作的3名专家记者进行评估。结果显示，可用性的标题建议工具，以促进新闻生产过程中所提出的方法。
2022-12-05 cs.CL
Headline Diagnosis: Manipulation of Content Farm Headlines
随着技术的快速发展，新闻通过社交媒体传播。为了吸引更多的读者和获取额外的利润，一些通讯社以更有吸引力的方式复制大量的新闻。因此，准确预测一篇新闻文章是否来自官方新闻机构至关重要。本文提出了一种基于卷积神经网络的新闻标题分类方法，以确定新闻文章的可信度。该模型主要侧重于研究标题中的关键因素。这些因素包括分词、词性标记和情感特征。将这些特征集成到所提出的分类模型中，所展示的评估准确率达到93.99%。
2022-04-25 cs.CL
Helping News Editors Write Better Headlines: A Recommender to Improve the Keyword Contents & Shareability of News Headlines
Insight Centre for Data Analytics（Insight数据分析中心）；School of Computer Science（计算机学院）；University College Dublin（都柏林大学学院）
我们提出了一个软件工具，采用最先进的自然语言处理（NLP）和机器学习技术，以帮助报纸编辑撰写有效的标题在线出版。该系统识别新闻文章中最突出的关键字，并根据其整体受欢迎程度和与文章的直接相关性对其进行排名。该系统还使用监督回归模型来识别可能在社交媒体上广泛分享的标题。设计用户界面的目的是简化和加快编辑对标题组成的决定过程。因此，该工具提供了一种有效的方法，将参与度和搜索引擎优化（SEO）的自动预测器的好处与对整体标题质量的人工判断相结合。
2017-05-26 cs.CL cs.HC cs.IR
Towards Computing Inferences from English News Headlines
International Institute of Information Technology, Hyderabad（国际信息技术研究所（海得拉巴））
报纸是一种受欢迎的书面话语形式，许多人都在阅读，这要归功于其中新闻内容所提供的信息的新颖性。标题是任何报纸中最广泛阅读的部分，因为它的字体较大，有时是彩色印刷。在本文中，我们提出并实现了一种方法来计算英语新闻标题的推理，排除了信息的上下文中出现的标题。这种方法试图产生可能的假设，读者在阅读一个新的标题时在脑海中形成。所产生的推论可以用于评估新闻标题对包括儿童在内的读者的影响。对当前社会状况的理解在很大程度上取决于对标题的理解。由于独立于上下文的推理主要依赖于标题的句法，因此该方法使用标题的依赖树来发现标题的句法结构并计算出它们的推理。
2019-10-18 cs.AI cs.CL
Detecting Incongruity Between News Headline and Body Text via a Deep Hierarchical Encoder
Seoul National University（首尔国立大学）；Automation and Systems Research Institute（自动化与系统研究所）；Qatar Computing Research Institute（卡塔尔计算研究所）；KAIST（韩国科学技术院）；Institute for Basic Science（基础科学研究所）
一些新闻标题误导读者高估或虚假信息，并提前识别它们将更好地帮助读者选择合适的新闻故事进行消费。本研究引入百万级的带有不一致标签的新闻标题和正文数据集，可以唯一地用于检测具有误导性标题的新闻故事。在这个数据集上，我们开发了两个具有分层架构的神经网络，它们对新闻文章的复杂文本表示进行建模，并测量标题和正文之间的不一致性。我们还提出了一种数据增强方法，通过独立调查新闻故事的每一段，大大减少了模型处理的文本输入大小，从而进一步提高了性能。我们的实验和定性评估表明，所提出的方法优于现有的方法，并有效地检测新闻故事与误导性的标题在现实世界中。
2019-02-08 cs.CL
Misinfo Reaction Frames: Reasoning about Readers' Reactions to News Headlines
University of Washington（华盛顿大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）；Carnegie Mellon University（卡内基梅隆大学）
即使是一个简单而简短的新闻标题，读者也会以多种方式做出反应：认知上（例如推断作者的意图），情感上（例如感到不信任）和行为上（例如与朋友分享新闻）。这种反应是即时的，但也是复杂的，因为它们依赖于超越解释新闻事实内容的因素。我们提出了错误信息反应框架（MRF），一个务实的形式主义建模读者可能会如何反应的新闻标题。与分类模式相比，我们的自由文本维度提供了一种更细致的方式来理解意图，而不仅仅是善意或恶意。我们还引入了一个Misinfo Reaction Frames语料库，这是一个众包数据集，包含了对超过25，000条新闻标题的反应，这些新闻标题专注于全球危机：新冠肺炎大流行，气候变化和癌症。实证结果证实，神经模型确实有可能预测读者对以前看不见的新闻标题的反应的突出模式。此外，我们的用户研究表明，将机器生成的MRF含义与新闻标题一起显示给读者可以增加他们对真实新闻的信任，同时减少他们对错误信息的信任。我们的工作证明了对新闻标题进行语用推理的可行性和重要性，以帮助增强人工智能引导的错误信息检测和缓解。
2022-03-22 cs.CL
Learning to Identify Ambiguous and Misleading News Headlines
Institute of Computer Science and Technology, Peking University（北京大学计算机科学技术研究所）；The MOE Key Laboratory of Computational Linguistics, Peking University（北京大学计算语言学教育部重点实验室）
准确性是新闻工作的基本原则之一。然而，由于新闻媒体的多样性，管理的难度越来越大。一些在线新闻的编辑倾向于使用吸引人的标题来诱使读者点击。这些标题要么模棱两可，要么具有误导性，降低了观众的阅读体验。因此，识别不准确的新闻标题是一个值得研究的课题。以前的工作名称这些标题“点击诱饵”，主要集中在从标题中提取的功能，这限制了性能，因为标题和新闻体之间的一致性是低估。在本文中，我们清楚地重新定义了这个问题，并分别识别歧义和误导性标题。我们利用类顺序规则，利用结构信息时，检测歧义标题。为了识别误导性标题，我们提取基于标题和身体之间的一致性的特征。为了利用大型未标记数据集，我们应用了一种协同训练方法，并提高了性能。实验结果表明了该方法的有效性。然后，我们使用我们的分类器来检测从不同来源抓取的不准确的标题，并进行数据分析。
2017-08-29 cs.CL cs.CY
Importance of Copying Mechanism for News Headline Generation
MIPT（莫斯科物理技术学院）
新闻标题的生成是文本摘要的一个基本问题，因为它是受约束的，定义明确的，并且仍然很难解决。词汇量有限的模型不能很好地解决这个问题，因为新的命名实体可能会经常出现在新闻中，这些实体通常应该出现在标题中。在形态丰富的语言，如俄语的新闻文章需要模型修改，由于大量的可能的单词形式。本研究旨在验证具有从原始文章复制单词的可能性的模型比没有这种选项的模型表现更好。所提出的模型在提供的测试数据集上实现了平均ROUGE得分23，这比没有复制机制的类似模型的结果高8分。此外，所得到的模型比任何已知的模型在新的俄罗斯新闻数据集上的表现更好。
2019-04-25 cs.AI cs.CL cs.LG
MuSeM: Detecting Incongruent News Headlines using Mutual Attentive Semantic Matching
University of Stavanger（斯塔万格大学）；Lero, NUI Galway（爱尔兰国立高威大学莱尔软件工程研究中心）；DFKI（德国人工智能研究中心）；University of Zurich（苏黎世大学）
测量两个文本之间的一致性有几个有用的应用，例如检测网络上流行的欺骗性和误导性新闻标题。许多工作已经提出了基于机器学习的解决方案，例如标题和正文之间的文本相似度来检测不一致。基于文本相似度的方法由于不同的固有挑战，如新闻标题和其正文内容之间的相对长度不匹配和非重叠词汇，无法很好地执行。另一方面，最近的作品，使用标题引导的注意力来学习的标题派生的上下文表示的新闻体也会导致复杂的整体表示，由于新闻体的长度。本文提出了一种基于相互注意力的语义匹配方法，该方法利用了标题中所有词嵌入对之间的差异，在标题和合成标题之间进行语义匹配。本文还研究了我们的方法的两个变化，使用连接和点积的原始和合成标题的话的词嵌入。我们观察到，所提出的方法优于现有技术显着两个公开可用的数据集。
2020-10-07 cs.CL
SemEval-2020 Task 7: Assessing Humor in Edited News Headlines
University of Rochester（罗切斯特大学）；Microsoft Research AI, Microsoft Corporation（微软研究院人工智能，微软公司）
本文描述了SemEval-2020共享任务“评估编辑新闻标题中的幽默”。“该任务的数据集包含新闻标题，其中应用了简短的编辑以使它们变得有趣，并且使用众包对这些编辑标题的有趣性进行了评级。该任务包括两个子任务，第一个子任务是在0 - 3的幽默量表上估计标题的滑稽性。第二个子任务是预测，对于同一个原始标题的两个编辑版本，哪个版本更有趣。到目前为止，这个任务是最受欢迎的共享计算幽默任务，吸引了48个团队参与第一个子任务，31个团队参与第二个子任务。
2020-08-01 cs.AI cs.CL
News Headlines Dataset For Sarcasm Detection
UC San Diego（加州大学圣迭戈分校）
过去在讽刺检测方面的研究主要利用基于标签的监督收集的Twitter数据集，但这些数据集在标签和语言方面存在噪声。此外，许多推文是对其他推文的回复，检测这些推文中的讽刺需要上下文推文的可用性。为了克服Twitter数据集中与噪音相关的限制，我们从两个新闻网站策划新闻标题数据集：TheOnion旨在制作时事的讽刺版本，而HuffPost发布真实新闻。该数据集包含大约28K的标题，其中13K是讽刺的。为了使它更有用，我们包括了新闻文章的源链接，以便根据需要提取更多数据。在本文中，我们描述了关于数据集和潜在用例的各种细节，除了讽刺检测。
2022-09-17 cs.CL
Profiling the news spreading barriers using news headlines
Jozef Stefan International Postgraduate School（约瑟夫·斯特凡国际研究生院）；Jozef Stefan Institute（约瑟夫·斯特凡研究所）
提出利用 COMET 常识推理与标题情感特征识别五类新闻传播障碍，并在十类新闻标题数据集上验证其优于传统、深度学习及 transformer 方法。
2023-04-07 cs.AI cs.CL cs.LG
TeClass: A Human-Annotated Relevance-based Headline Classification and Generation Dataset for Telugu
Language Technologies Research Center, KCIS, IIIT Hyderabad（海得拉巴国际信息技术学院 KCIS 语言技术研究中心）
针对泰卢固语低资源场景下缺乏标题相关性标注数据的问题，该研究构建了首个人工标注的泰卢固语新闻标题分类数据集TeClass，验证了其对标题生成模型性能的提升作用，并将公开数据以支持后续研究。
2024-04-17 cs.CL
BeliN: A Novel Corpus for Bengali Religious News Headline Generation using Contextual Feature Fusion
Chittagong University of Engineering and Technology（吉大港工程技术大学）；Bangladesh Army University of Science and Technology (BAUST)（孟加拉国陆军科技大学）；Charles Sturt University（查尔斯斯特大学）
针对孟加拉语宗教新闻标题生成忽视上下文特征的问题，本文提出语料库BeliN和融合类别、方面与情感的MultiGen方法，实验表明其显著优于仅用内容的基线模型。
2025-01-02 cs.CL cs.LG
Incongruity Detection between Bangla News Headline and Body Content through Graph Neural Network
Chittagong University of Engineering and Technology（吉大港工程技术大学）；Brac University（布拉卡大学）；Pioneer Alpha（先锋阿尔法）
新闻标题与正文内容的不协调是吸引读者的一种常见的欺骗手段。有利可图的标题激起读者的兴趣，并鼓励他们访问特定的网站。这通常是通过添加不诚实的元素来实现的，使用的诱惑并不能准确地反映所传递的内容。因此，利用语言分析技术自动检测新闻标题和正文内容之间的不一致性已经得到了研究界的关注。然而，各种解决方案主要是为英语开发的，以解决这个问题，将低资源语言排除在外。孟加拉语在100种最广泛使用的语言中排名第七，这促使我们特别关注孟加拉语。此外，孟加拉语具有更复杂的句法结构和更少的自然语言处理资源，因此执行不一致检测和立场检测等NLP任务变得具有挑战性。为了解决这个问题，对于孟加拉语，我们提供了一个基于图的分层双编码器（BGHDE）模型，该模型有效地学习孟加拉语新闻标题和内容段落之间的内容相似性和矛盾。实验结果表明，本文提出的基于孟加拉图的神经网络模型在各种孟加拉语新闻数据集上均达到了90%以上的准确率。
2022-10-26 cs.AI cs.CL cs.LG
Cross-Register Projection for Headline Part of Speech Tagging
Bloomberg（彭博有限合伙企业）
词性标注是一项常见的NLP任务。最先进的标记器通常在新闻正文上达到超过97%的标记级准确率，这表明这个问题已经得到了很好的理解。然而，英语新闻标题的语域（headlinese）与长文本的语域有很大的不同，导致词性标注模型在标题上表现不佳。在这项工作中，我们自动标注新闻标题与POS标签投影预测标签从相应的句子中的新闻机构。我们训练一个多领域的POS标签的长形式和标题文本，并表明，联合训练两个寄存器提高了训练，只是一个或天真地连接训练集。我们对来自Google句子压缩语料库的超过5，248个英语新闻标题的新注释语料库进行了评估，并表明我们的模型每个标记的相对错误减少了23%，每个标题减少了19%。此外，我们证明了更好的标题POS标签可以提高基于语法的开放式信息抽取系统的性能。我们提供POSH，即POS标记的标题语料库，以鼓励研究改进的新闻标题NLP模型。
2021-09-15 cs.AI cs.CL
Binary classification for perceived quality of headlines and links on worldwide news websites, 2018-2024
Lakehead University（湖首大学）
本文基于2018–2024年5700余万条全球新闻标题/链接，比较12种模型与115个语言特征，证明传统集成和DistilBERT均可有效识别感知质量。
2025-06-11 cs.CL
Attractive or Faithful? Popularity-Reinforced Learning for Inspired Headline Generation
National Chiao Tung University（国立交通大学）；National Tsing Hua University（国立清华大学）；Academia Sinica（中央研究院）
随着在线媒体源和已发布新闻的快速扩散，标题对于吸引读者阅读新闻文章变得越来越重要，因为用户可能被大量信息淹没。在本文中，我们生成的灵感标题，保持新闻文章的性质，并抓住读者的眼睛同时。启发式标题生成任务可以被视为标题生成任务的一种特殊形式，其重点是从给定的新闻文章中创建有吸引力的标题。为了生成启发式标题，我们提出了一个新的框架，称为受欢迎程度增强学习启发式标题生成（PORL-HG）。PORL-HG利用提取-抽象架构，具有1）用于引导提取器从文章中选择有吸引力的句子的流行主题注意力（PTA）和2）用于引导抽象器重写有吸引力的句子的流行度预测器。此外，由于提取器的句子选择是不可区分的，因此利用强化学习（RL）技术来用从流行度分数预测器获得的奖励来弥合差距。通过定量和定性实验，我们表明，所提出的PORL-HG显着优于国家的最先进的标题生成模型的吸引力评价的人类（71.03%）和预测（至少27.60%），而忠实的PORL-HG也是国家的最先进的生成模型。
2020-02-06 cs.CL cs.LG
Do small language models generate realistic variable-quality fake news headlines?
Lakehead University（湖首大学）
本研究评估14款1.7B-14B参数量的小语言模型生成不同质量假新闻标题的能力，发现其合规率高、伦理阻力小，且现有检测器对生成标题的质量分类准确率仅35.2%-63.5%，标题与人类撰写内容相似度低。
2025-08-31 cs.CL cs.IR
BaitWatcher: A lightweight web interface for the detection of incongruent news headlines
Qatar Computing Research Institute（卡塔尔计算研究所）；Korea Advanced Institute of Science and Technology（韩国科学技术院）；Institute for Basic Science（基础科学研究所）；Seoul National University（首尔国立大学）
在大量信息在线共享的数字环境中，新闻标题在新闻文章的选择和传播中起着至关重要的作用。一些新闻文章通过夸张或误导性的标题来吸引观众的注意力。本研究解决了\textit{headline incongruity}问题，即新闻标题的声明与相应文章的内容无关或相反。我们提出了\textit{BaitWatcher}，这是一个轻量级的Web界面，引导读者在点击新闻标题之前估计新闻文章中不一致的可能性。BaitWatcher利用分层递归编码器，有效地学习新闻标题及其相关正文的复杂文本表示。为了训练模型，我们构建了一个百万级的新闻文章数据集，我们还发布了更广泛的研究用途。基于焦点小组访谈的结果，我们讨论了开发一个可解释的人工智能智能体的重要性，以设计一个更好的界面，减轻在线错误信息的影响。
2020-03-23 cs.CL cs.IR cs.SI
Fact-Preserved Personalized News Headline Generation
Key Lab of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS（中国科学院计算技术研究所智能信息处理重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Intelligent Computing Technology, Suzhou, CAS（中国科学院苏州智能计算技术研究院）
提出FPG框架，通过相似度引导关键事实关注和对比学习增强，在PENS基准上实现个性化与事实一致性的良好权衡。
2025-01-21 cs.AI cs.CL
LLM-Generated Negative News Headlines Dataset: Creation and Benchmarking Against Real Journalism
Elizade University（埃利扎德大学）；Federal University of Technology（联邦理工大学）
本研究针对数据获取与隐私挑战，创建了LLM生成的负面新闻标题数据集，经专家验证和嵌入空间分析后与真实新闻基准测试，发现其与真实标题匹配度高，仅专有名词得分有差异，为NLP任务提供了合成数据替代方案。
2025-10-24 cs.AI cs.CL
"Why is this misleading?": Detecting News Headline Hallucinations with Explanations
Google Research（谷歌研究院）；Google（谷歌）
自动标题生成使用户能够及时理解正在发生的新闻事件，近年来已成为Web挖掘和自然语言处理的一个重要任务。随着对新闻标题生成需求的不断增长，我们认为，幻觉问题，即生成的标题不受原始新闻故事的支持，是在网络规模系统中部署此功能的关键挑战。同时，由于幻觉案例的不常见以及评分员需要仔细阅读才能达成正确的共识，很难获得用于训练模型的大数据集以通过人工管理来检测这种幻觉。在这项工作中，我们提出了一个名为ExHalder的新框架来解决标题幻觉检测的挑战。ExHalder将来自公共自然语言推理数据集的知识适应到新闻领域，并学习生成自然语言句子来解释幻觉检测结果。为了评估模型的性能，我们仔细收集了一个包含6000多个标签<article，headline>对的数据集。在这个数据集和另外六个公共数据集上进行的大量实验表明，ExHalder可以准确地识别幻觉标题，并通过人类可读的自然语言解释证明其预测是正确的。
2023-02-12 cs.AI cs.CL cs.IR
Transformers for Headline Selection for Russian News Clusters
Moscow Institute of Physics and Technology（莫斯科物理技术学院）
在本文中，我们探索了各种多语言和俄语预训练的基于transformer的模型，用于2021年对话评估的标题选择共享任务。我们的实验表明，该组合方法优于单独的多语言和单语言模型。我们提出了一个分析的方法来获得句子嵌入，并学习排名模型的顶部。在公共测试集和私有测试集上，我们分别获得了87.28%和86.60%的准确率。
2021-06-19 cs.CL
Clickbait Headline Detection in Indonesian News Sites using Multilingual Bidirectional Encoder Representations from Transformers (M-BERT)
Universitas Airlangga（艾尔朗加大学）
点击次数与在线广告商支付给新闻网站的金额有关。这种商业模式迫使一些新闻网站采用了一种肮脏的点击诱饵伎俩，即，在标题中使用夸张而有趣的词语，有时甚至是未完成的句子来故意戏弄读者。一些印尼在线新闻网站也加入了点击诱饵的行列，这间接降低了其他知名新闻网站的可信度。一个神经网络与预先训练的语言模型M-BERT，作为嵌入层，然后与100个节点的隐藏层相结合，并与一个sigmoid分类器顶部进行训练，以检测点击诱饵标题。在总共6632个标题作为训练数据集的情况下，分类器表现得非常好。通过5倍交叉验证进行评估，其准确度评分为0.914，f1评分为0.914，精密度评分为0.916，ROC-AUC为0.92。在印度尼西亚文本分类任务中使用多语言BERT进行了测试，并有可能进一步增强。未来的可能性，社会影响，和clickbait检测的局限性进行了讨论。
2021-02-02 cs.CL
Classification Of Fake News Headline Based On Neural Networks
Northwestern Polytechnical University（西北工业大学）；University of Toronto（多伦多大学）；Sun Yat-sen University（中山大学）
文本分类是自然语言处理（NLP）的基本任务之一，其目标是将文本分类到预定义的类中。新闻充满了我们的生活。因此，新闻标题分类是连接用户与正确新闻的关键任务。新闻标题分类是文本分类的一种，一般分为三个主要部分：特征提取、分类器选择和评价。在本文中，我们使用Kaggle平台提供的包含十八年新闻的数据集对新闻标题进行分类。我们选择TF-IDF进行特征提取，神经网络作为分类器，评价指标是准确率。从实验结果来看，我们的神经网络模型在准确性指标上是这些模型中表现最好的。准确度越高，模型的性能就越好。我们的神经网络模型具有0.8622的精度，这是这四个模型中最高的精度。与其他模型相比，其平均误差分别为0.0134、0.033、0.080。
2022-01-24 cs.AI cs.CL
News Headline Grouping as a Challenging NLU Task
UC Berkeley（加州大学伯克利分校）
自然语言理解（NLU）的最新进展表明，最新模型在许多标准任务上的表现优于人类。这些令人印象深刻的结果促使社区反思数据集的局限性，并应对更微妙的挑战。在本文中，我们介绍了标题搜索（HLG）的任务和相应的数据集（HLGD），由20,056对新闻标题，每个标签与二元判断是否属于同一组。在HLGD上，人类注释器实现了约0.9 F-1的高性能，而当前最先进的Transformer模型仅达到0.75 F-1，为进一步改进开辟了道路。我们进一步提出了一种新的无监督的标题生成器交换模型，用于标题搜索的任务，该任务在最佳监督模型的3F-1范围内实现。最后，我们用一致性测试分析了高性能模型，发现模型的预测并不一致，揭示了当前架构的建模限制。
2021-05-12 cs.CL
A Large-Scale Multi-Length Headline Corpus for Analyzing Length-Constrained Headline Generation Model Evaluation
The Asahi Shimbun Company（朝日新闻社）；Retrieva, Inc.（Retrieva公司）；Tokyo Institute of Technology（东京工业大学）；Tohoku University（东北大学）；RIKEN Center Advanced Intelligence Project（理化学研究所先进智能项目中心）
现在可以在多个设备上浏览新闻文章。新闻文章标题的长度有精确的上限，由相关设备或界面的显示大小决定。因此，在将标题生成任务应用于新闻制作时，控制标题的长度是至关重要的。然而，由于没有语料库的标题的多种长度为一个给定的文章，以前的研究控制输出长度的标题生成没有讨论是否系统输出可以充分评估没有多个不同长度的参考。在本文中，我们介绍了两个语料库，这是日本新闻语料库（JNC）和日本语多长度标题语料库（JAMUL），以确认以前的评估设置的有效性。JNC为标题生成提供了通用的监督数据。JAMUL是一个由专业编辑撰写的三种不同长度标题的大规模评估数据集。我们报告这些语料库的新发现，例如，虽然最长长度的参考摘要可以适当地评估现有的方法控制输出长度，这种评估设置有几个问题。
2019-09-26 cs.CL
Enhancing Emotion Prediction in News Headlines: Insights from ChatGPT and Seq2Seq Models for Free-Text Generation
Boston University（波士顿大学）；Monash University Indonesia（莫纳什大学印度尼西亚校区）
该研究针对新闻头条情绪预测任务，提出利用自由文本情绪解释作为中间输入的思路，通过训练Seq2Seq模型、使用ChatGPT生成解释及T5多任务微调等方法验证，证实该思路可显著提升分类性能。
2024-07-14 cs.CL
A Unified BERT-CNN-BiLSTM Framework for Simultaneous Headline Classification and Sentiment Analysis of Bangla News
Department of CCE, International Islamic University Chittagong（国际伊斯兰大学丘拉图加冈分校计算机工程系）；Department of ICE, Noakhali Science and Technology University（诺阿克利科学与技术大学信息工程系）；Department of CSE, Banladesh University of Engineering and Technology（孟加拉工程与技术大学计算机科学与工程系）；Dept. of CSE, IIUC, Chattogram, Bangladesh（国际伊斯兰大学丘拉图加冈分校计算机科学与工程系）；School of CSE, University of Southern Mississippi（密西西比大学南方分校计算机科学学院）；Department of CSE, Netrokona University（纳特罗克纳大学计算机科学与工程系）；mPower Social Enterprise（mPower社会企业）
本文提出BERT-CNN-BiLSTM框架，用于孟加拉新闻标题的联合分类与情感分析，通过两种实验策略提升分类性能，达到新的SOTA结果。
2026-10-05 cs.AI cs.CL
Breaking the News: First Impressions Matter on Online News
Qatar Computing Research Institute（卡塔尔计算研究所）；Federal University of Minas Gerais（米纳斯吉拉斯联邦大学）
越来越多的人正在改变他们消费新闻的方式，用虚拟在线版本或/和博客取代传统的实体报纸和杂志。在线新闻的互动性和即时性正在改变媒体公司制作和曝光新闻的方式。新闻网站必须创造有效的策略来吸引人们的注意力并吸引他们的点击。本文探讨了网络新闻公司在新闻标题设计中可能使用的策略。我们分析了全球四大媒体公司在2014年至少连续八个月制作的69，907条头条新闻的内容。为了发现可以用来吸引点击的策略，我们从新闻标题的文本中提取与标题的情感极性相关的特征。我们发现，标题的情绪与新闻的受欢迎程度以及对该特定新闻的评论动态密切相关。
2015-04-16 cs.CL cs.CY
Exploring the Potential of the Large Language Models (LLMs) in Identifying Misleading News Headlines
University of Maryland（马里兰大学）；University of Oklahoma（俄克拉荷马大学）
本文通过60篇多领域新闻文章评估ChatGPT-3.5、ChatGPT-4和Gemini识别误导性标题的能力，发现ChatGPT-4准确率最高，并强调以人为中心评估对构建伦理敏感且技术先进的LLMs的重要性。
2024-05-06 cs.CL cs.CY cs.LG
Lest We Forget: A Dataset of Coronavirus-Related News Headlines in Swiss Media
ELCA Informatik AG（ELCA信息技术股份公司）；ELCA Informatique SA（ELCA信息技术股份公司）
我们发布COVID-19新闻数据集，其中包含自二零二零年一月初以来瑞士媒体发表的与冠状病毒疫情相关的新闻文章的10，000多个链接。这些数据集有助于挖掘和分析瑞士媒体对COVID-19疫情的反应，并为进一步研究提取有见地的信息。我们希望这个数据集能帮助研究人员和公众提供有助于分析大流行的结果，并可能导致更好地了解这些事件。
2020-06-25 cs.CL cs.DL
SaRoHead: Detecting Satire in a Multi-Domain Romanian News Headline Dataset
National University of Science and Technology POLITEHNICA Bucharest, Faculty of Automatic Control and Computers（波兰技术大学布加勒斯特分校国家科学技术大学）；National Institute for Research & Development in Informatics - ICI Bucharest（布加勒斯特信息与计算研究所）；Paris 1 Panthéon-Sorbonne University（巴黎一大学）；University of Bucharest（布加勒斯特大学）
本研究针对罗马尼亚语新闻标题，构建多领域讽刺检测数据集SaRoHead，仅基于标题测试多种基线模型，发现采用Reptile元学习的双向Transformer模型效果优于传统机器学习方法与大语言模型。
2025-08-31 cs.CL
Multilingual Fine-Grained News Headline Hallucination Detection
Google Research（谷歌研究院）
本研究构建了首个包含5种语言超1.1万对数据的多语言细粒度新闻标题幻觉检测专家标注数据集，通过监督微调和大型语言模型上下文学习实验，提出语言相关示例选择与从粗到细提示技术提升少样本检测性能。
2024-07-22 cs.CL
Lancaster A at SemEval-2017 Task 5: Evaluation metrics matter: predicting sentiment from financial news headlines
Lancaster University（兰卡斯特大学）
本文描述了我们参与SemEval 2017的任务5轨道2，以预测特定公司在-1到1之间的连续范围内的金融新闻标题的情绪。我们使用了许多方法来解决这个问题，利用支持向量回归（SVR）和双向长短期记忆（BLSTM）。我们发现使用LSTM模型比SVR提高了4-6%，在赛道上排名第四。我们报告了一些不同的评估使用金融特定的词嵌入模型，并反映使用不同的评估指标的影响。
2017-05-01 cs.CL
Fortia-FBK at SemEval-2017 Task 5: Bullish or Bearish? Inferring Sentiment towards Brands from Financial News Headlines
Fortia Financial Solutions（Fortia金融解决方案）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
在本文中，我们描述了一种方法来推断看涨或看跌的情绪对公司/品牌。更具体地说，我们的方法利用情感词汇和词嵌入结合卷积神经网络来推断金融新闻标题对目标公司的情绪。在SemEval 2017挑战（任务5，子任务2）的背景下使用和评估了这种架构，其中它获得了最佳性能。
2017-04-04 cs.CL cs.CY
AfriHG: News headline generation for African Languages
Data Scientists Network（数据科学家网络）；University College London（伦敦大学学院）
本文构建了面向16种非洲语言的新闻标题生成数据集AfriHG，实验证明非洲中心模型AfriTeVa V2优于通用多语言模型mT5-base，且其微调性能可比肩参数量大40余倍的Aya-101大模型。
2024-12-28 cs.CL
From Stock Prediction to Financial Relevance: Repurposing Attention Weights to Assess News Relevance Without Manual Annotations
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
我们提出了一种方法来自动识别金融相关的新闻使用股票价格走势和新闻标题作为输入。该方法重新利用最初训练用于预测股票价格的神经网络的注意力权重，为每个标题分配相关性得分，从而消除了对手动标记的训练数据的需要。我们对四个最相关的美国股票指数和150万条新闻标题的实验表明，该方法对相关新闻的排名很高，与初始股票价格预测任务的准确性呈正相关。
2021-02-16 cs.CL
Advances of Transformer-Based Models for News Headline Generation
Moscow Institute of Physics and Technology（莫斯科物理技术学院）
基于Transformer架构的预训练语言模型是最近在NLP的许多领域取得突破的原因，包括情感分析，问答，命名实体识别。标题生成是一种特殊的文本摘要任务。模型需要具有强大的自然语言理解能力，超越单个单词和句子的含义，并能够区分必要的信息，以取得成功。在本文中，我们微调了两个预训练的基于transformer的模型（mBART和BertSumAbs），并在俄罗斯新闻的RIA和Lenta数据集上取得了新的最先进的结果。BertSumAbs使ROUGE平均分别比基于短语的注意力Transformer和CopyNet获得的最佳分数提高2.9和2.0分。
2020-07-27 cs.CL
Detecting Contextomized Quotes in News Headlines by Contrastive Learning
Soongsil University（崇实大学）；KAIST（韩国科学技术院）；Institute of Basic Science（基础科学研究院）
引用对于建立新闻文章的可信度至关重要。用引号括起来的直接引用具有强烈的视觉吸引力，是可靠引用的标志。不幸的是，这一新闻实践并没有得到严格遵守，标题中的引用往往是“语境化的”。“这样的引用使用了脱离上下文的词语，改变了说话者的意图，这样在正文中就没有语义匹配的引用。我们提出了QuoteCSE，一个对比学习框架，它代表了基于域驱动的正面和负面样本的新闻引用的嵌入，以确定这样的编辑策略。数据集和代码可在https://github.com/ssu-humane/contextomized-quote-contrastive上获得。
2023-02-09 cs.CL cs.CY
Headline-Guided Extractive Summarization for Thai News Articles
Chulalongkorn University（朱拉隆功大学）；National Institute of Informatics（信息学研究所）
针对泰语等低资源语言摘要研究不足及现有模型未利用标题的问题，提出CHIMA模型，结合标题上下文信息，采用两种相似度聚合策略，实验表明其在多指标上优于基线，提升了摘要质量与相关性。
2025-02-10 cs.CL
Harnessing the Power of LLMs: Evaluating Human-AI Text Co-Creation through the Lens of News Headline Generation
University of Maryland, College Park（马里兰大学帕克分校）；Dataminr Inc.（Dataminr公司）
本文在LLM辅助新闻标题生成背景下比较了多种人机交互类型，发现引导和选择模型输出以最低成本带来最大收益，且AI辅助不损害用户的控制感。
2023-10-18 cs.AI cs.CL
POSHAN: Cardinal POS Pattern Guided Attention for News Headline Incongruence
University of Stavanger（斯塔万格大学）；Bloomberg（彭博社）
自动检测点击诱饵和不一致的新闻标题对于维护Web的可靠性至关重要，并引起了广泛的研究关注。然而，大多数现有的方法表现不佳时，新闻标题包含上下文重要的基数值，如数量或金额。在这项工作中，我们专注于这个特殊的情况下，并提出了一个基于神经注意力的解决方案，它使用了一种新的基本部分的语音（POS）标记模式为基础的分层注意力网络，即POSHAN，学习有效的表示新闻文章中的句子。此外，我们研究了一种新的基数短语引导注意，它使用上下文重要的基数值和相邻词的词嵌入。在两个公开的数据集上进行的实验中，我们观察到，所提出的方法给予适当的意义基数值和优于所有的基线。对POSHAN的消融研究表明，基于基数POS标记模式的层次注意对含有基数值的标题是非常有效的。
2021-11-05 cs.AI cs.CL cs.IR
Quantifying Affective Bias in Low-Resource Media: Large-Scale Emotion Profiling of Bengali Headlines
本研究通过 Gemma 3 4B 零样本推理分析 30 万孟加拉语新闻标题，发现负面情绪标签高频出现，提出偏差敏感新闻界面以帮助读者识别情感框架模式。
2026-08-31 cs.AI cs.CL
How-to Present News on Social Media: A Causal Analysis of Editing News Headlines for Boosting User Engagement
Soongsil University（崇实大学）；Singapore Management University（新加坡管理大学）；Qatar Computing Research Institute（卡塔尔计算研究所）
为了接触更广泛的受众并优化新闻文章的流量，媒体通常会运行社交媒体账户，并通过简短的文本摘要分享其内容。尽管在分享文章中撰写令人信服的信息很重要，但研究界对什么样的编辑策略能有效地促进受众参与并没有足够的了解。在这项研究中，我们的目标是通过使用数据驱动的方法分析媒体的当前做法来填补这一空白。我们首先建立了一个平行的语料库，包含八家媒体共享的原创新闻文章及其相应的推文。然后，我们探讨这些媒体如何编辑推文对原来的标题和这种变化的影响。为了估计编辑新闻标题用于社交媒体共享在受众参与度中的影响，我们提出了一种系统的分析，该分析将因果推理技术与深度学习相结合;使用倾向得分匹配，它允许估计编辑风格的潜在（缺点）优势，与反事实的情况相比，类似的新闻文章以不同的风格共享。通过对各种编辑风格的分析，揭示了不同编辑风格的共同效果和不同效果。为了了解各种编辑风格的效果，媒体可以自己应用我们易于使用的工具。
2021-04-22 cs.CL cs.SI
KoWit-24: A Richly Annotated Dataset of Wordplay in News Headlines
HSE University（俄罗斯高等经济大学）；Ural Federal University（乌拉尔联邦大学）；Interdisciplinary Transformation University Austria（奥地利跨学科转型大学）
本文构建了包含2,700条俄语新闻标题的细粒度文字游戏标注数据集KoWit-24，涵盖类型、锚点及指涉对象，并附新闻导语与摘要作为上下文，实验表明五个LLM在检测与解释任务上仍有较大提升空间。
2025-08-26 cs.CL
Sentiment Analysis on Financial News Headlines using Training Dataset Augmentation
University of Waterloo（滑铁卢大学）
本文讨论了UWaterloo团队为解决SemEval 2017任务5提出的细粒度情感分析问题所采取的方法。本文介绍了文档矢量化和情感得分预测技术，以及在构建系统时所采取的设计和实施决策。该系统使用文本向量化模型，如N-gram，TF-IDF和段落嵌入，结合回归模型变量来预测情感得分。在检查的方法中，一元和二元再加上简单的线性回归获得了最好的基线精度。本文还探讨了数据增强方法来补充训练数据集。该系统是为子任务2（新闻声明和标题）设计的。
2017-07-29 cs.CL
Not all Fake News is Written: A Dataset and Analysis of Misleading Video Headlines
University of Maryland（马里兰大学）
针对多模态误导信息检测数据集匮乏的问题，本研究构建了包含视频及标题误导性标注的VMH数据集，分析了相关多模态基线模型，并探究了标注者背景与视频内容的相互作用。
2023-12-14 cs.CL cs.CV
When a Computer Cracks a Joke: Automated Generation of Humorous Headlines
University of Helsinki（赫尔辛基大学）；Faculty of Arts（文学院）
自动新闻生成在过去已经成为新机构的主要兴趣。通常，这种自动生成的新闻文章的标题是缺乏想象力的，因为它们是用现成的模板生成的。我们提出了一个计算创造性的方法，标题生成，可以生成幽默版本的现有标题。我们评估我们的系统与人类法官和比较的结果，人类创作的幽默标题。由该系统产生的标题被认为是有趣的36%的时间由人类评估员。
2021-09-17 cs.CL
Research on Dual Channel News Headline Classification Based on ERNIE Pre-training Model
Northwest Minzu University（西北民族大学）
新闻标题分类是自然语言处理领域的一个重要方向，其数据具有紧凑性、唯一性和形式多样性等特点。针对传统神经网络模型不能充分捕捉数据的底层特征信息，不能联合提取关键全局特征和深层局部特征的问题，提出了一种基于ERNIE预训练模型的双通道网络模型DC-EBAD。使用ERNIE提取文本底层的词汇、语义和上下文特征信息，生成融合上下文的动态词向量表示，然后使用BiLSTM-AT网络通道对数据的全局特征进行二次提取，并使用注意力机制赋予关键部分较高的权重，使用DPCNN通道克服长距离文本依赖问题，获取深层局部特征。将局部和全局特征向量进行拼接，最后传递到全连接层，通过Softmax输出最终的分类结果。实验结果表明，在相同条件下，与传统神经网络模型和单通道模型相比，该模型提高了新闻标题分类的准确率、精确度和F1分数。可以看出，它在大数据量下的新闻标题文本的多分类应用中表现良好。
2022-02-14 cs.AI cs.CL
The MediaSpin Dataset: Post-Publication News Headline Edits Annotated for Media Bias
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）；NUS Centre for Trusted Internet and Community（新加坡国立大学可信互联网与社区中心）
MediaSpin数据集通过标注13种媒体偏见类型，研究新闻标题修改对语言框架和偏见的影响，展示跨国家的标题修改分析、变压器偏见分类及社交媒体行为分析。
2026-05-15 cs.CL
LLMs for Targeted Sentiment in News Headlines: Exploring the Descriptive-Prescriptive Dilemma
Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算机学院）；TakeLab
本研究针对新闻标题目标情感分析任务，探究描述-规范标注范式的影响，对比了大语言模型与微调编码器在多语言数据集上的表现，分析了提示规范程度对性能的作用，并评估了大模型的不确定性量化能力。
2024-10-30 cs.CL
