Overview of the TREC 2024 NeuCLIR Track
本文概述了 TREC 2024 NeuCLIR 赛道，研究神经方法对跨语言信息访问的影响，创建了多语言测试集并涵盖四种任务类型，共收到 274 次运行提交。
2025-09-17 cs.IR
Understanding news story chains using information retrieval and network clustering techniques
针对传播学领域缺乏高效识别新闻故事链方法的问题，本研究结合信息检索文本相似度计算与网络分析聚类技术，提出自动化识别方法，在6万余篇英国新闻语料中验证有效，并发现超半数新闻以故事形式产出。
2018-01-24 cs.IR cs.SI
Affect Enriched Word Embeddings for News Information Retrieval
Adobe（奥多比）
词的分布式表示已被证明是有用的，以提高效率的IR系统在许多子任务，如查询扩展，检索和排名。像word 2 vec、GloVe等算法也是不同NLP任务中许多改进的关键因素。这种嵌入模型的一个常见问题是，像快乐和悲伤这样的词出现在类似的上下文中，因此在嵌入空间中被错误地聚集在一起。在本文中，我们利用Aff 2 Vec，一组词嵌入模型，其中包括影响信息，以更好地捕捉新闻文本中的影响方面，以实现更好的结果在信息检索任务，也这样的嵌入是由同义词/反义词的问题较少击中。我们评估其有效性的两个IR相关的任务（查询扩展和排名）在纽约时报数据集（TREC-core '17）比较他们对其他词嵌入为基础的模型和经典的排名模型。
2019-09-04 cs.CL cs.IR
A Feature Analysis for Multimodal News Retrieval
TIB–Leibniz Information Centre for Science and Technology（TIB-莱布尼茨科学技术信息中心）；L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）
基于内容的信息检索基于文档中包含的信息，而不是使用关键字等元数据。大多数信息检索方法都是基于文本或图像的。在本文中，我们调查的有用性多模态功能的跨语言新闻搜索在各个领域：政治，健康，环境，体育和金融。为此，我们考虑五个特征类型的图像和文本，并比较使用不同的组合的检索系统的性能。实验结果表明，同时考虑视觉和文本信息可以提高检索结果。此外，据观察，在文本特征实体重叠优于词嵌入，而地理位置嵌入实现更好的性能之间的视觉特征在检索任务。
2020-10-01 cs.CL cs.IR cs.LG
Text Information Retrieval in Tetun: A Preliminary Study
本文针对低资源语言德顿语缺乏信息检索方案的问题，开展即席检索实验并报告初步结果，为构建德顿语搜索解决方案提供基础。
2024-06-11 cs.IR
Says who? Automatic Text-Based Content Analysis of Television News
Qatar Computing Research Institute（卡塔尔计算研究所）；Yahoo! Research（雅虎研究院）；Al Jazeera（半岛电视台）
我们对电视新闻节目进行自动分析，基于伴随它们的隐藏字幕。具体来说，我们收集了美国140多个电视频道在六个月内播出的所有新闻。我们首先自动分割、处理和注释隐藏式字幕。接下来，我们重点分析他们的语言风格和使用NLP方法的人。我们提出了一系列关于新闻提供者的关键见解，新闻中的人，我们讨论了可以通过自动手段发现的偏见。通过从多个角度（包括定性评估）查看数据，对这些见解进行对比。
2013-08-29 cs.CL cs.IR
TimeMachine: Entity-centric Search and Visualization of News Archives
我们提出了一个动态的网络工具，允许使用以实体为中心的方法进行交互式搜索和可视化的大型新闻档案。用户能够使用表达新闻故事或事件的关键词短语来搜索实体，并且系统基于自动提取和索引的实体简档来检索与用户查询最相关的实体。从计算新闻学的角度来看，TimeMachine允许用户使用从新闻文章中提取的同现网络中自动识别实体名称，工作，引用和实体之间的关系来探索媒体内容。TimeMachine演示可在http://maquinadotempo.sapo.pt/上获得
2016-01-05 cs.IR
VeraCT Scan: Retrieval-Augmented Fake News Detection with Justifiable Reasoning
NewsBreak；Hong Kong University of Science and Technology（香港科技大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出VeraCT Scan，一个用于假新闻检测的检索增强系统，通过提取核心事实、互联网搜索佐证或冲突报道并利用来源可信度进行信息验证，同时提供透明证据和推理，基于GPT-4 Turbo和微调的Llama-2 13B实现了最先进的检测准确率。
2024-06-24 cs.AI cs.CL cs.IR
NewsQuote: A Dataset Built on Quote Extraction and Attribution for Expert Recommendation in Fact-Checking
University of Warwick（华威大学）；The Alan Turing Institute（阿兰·图灵研究所）
提出专家推荐任务，构建含24,031对引文-说话者的NewsQuote数据集，用BERT提取引文，实验表明文档检索优于专家检索。
2023-05-05 cs.HC cs.IR cs.LG
Overview of the TREC 2023 NeuCLIR Track
本文介绍TREC 2023 NeuCLIR赛道的设置与结果，该赛道聚焦神经跨语言信息检索研究，构建多语种语料库，设置多类检索任务，共收到6支团队及基线的220次提交结果。
2024-04-11 cs.IR
MM-Locate-News: Multimodal Focus Location Estimation in News
随着网络成为最具影响力的信息媒介，新闻消费发生了重大变化。为了分析每天发布的大量新闻并将其置于上下文中，文章的地理焦点是一个重要方面，以便实现基于内容的新闻检索。有一些方法和数据集可以从文本或照片中估计地理位置，但它们通常被视为单独的任务。然而，照片可能缺乏地理线索，文本可能包括多个位置，这使得使用单一模态识别焦点位置具有挑战性。本文介绍了一种新的数据集，称为多模态焦点定位的新闻（MM-Locate-News）。我们在新的基准数据集上评估了最先进的方法，并提出了使用文本和图像内容来预测新闻焦点位置的新模型。实验结果表明，多峰模型优于单峰模型。
2022-11-15 cs.IR
Read, Attend and Comment: A Deep Architecture for Automatic News Comment Generation
Beihang University（北京航空航天大学）；Microsoft Corporation（微软公司）
新闻评论自动生成是自然语言生成技术的一个新的试验平台。本文提出了一种“阅读-参与-评论”的新闻评论生成过程，并利用阅读网络和生成网络对该过程进行了形式化描述。阅读网络对一篇新闻文章进行分析并从中提取一些重要的观点，然后生成网络通过关注提取的离散点和新闻标题来创建评论。我们优化的模型在一个端到端的方式，通过最大化的变化下限的真实目标，使用反向传播算法。两个数据集上的实验结果表明，我们的模型可以显着优于现有的方法在自动评估和人类判断。
2019-10-01 cs.CL cs.IR cs.LG
aedFaCT: Scientific Fact-Checking Made Easier via Semi-Automatic Discovery of Relevant Expert Opinions
针对假新闻危害大、传播快的问题，本文提出网页浏览器扩展aedFaCT，通过共享关键词自动发现相关专家意见辅助事实核查，初步评估显示其比人工搜索更快且不降低证据质量，代码已开源。
2023-05-12 cs.IR
Question Answering as an Automatic Evaluation Metric for News Article Summarization
IBM Research（IBM研究院）；Microsoft（微软）；Ben Gurion University（本·古里安大学）
最近在自动摘要和标题生成领域的工作集中在最大化各种新闻数据集的ROUGE分数。我们提出了一个替代的，外在的，评价指标，这项任务，总结评估的性能。APES利用阅读理解领域的最新进展来量化摘要回答一组手动创建的关于源文章中中心实体的问题的能力。我们首先通过将其与已知的手动评估指标进行比较来分析此指标的强度。然后，我们提出了一个端到端的神经抽象模型，最大限度地提高APES，同时增加ROUGE分数的竞争结果。
2019-06-02 cs.CL cs.IR
Navigating multilingual news collections using automatically extracted information
我们正在展示一个文本分析工具集，它允许各个领域的分析师快速筛选大量的多语言新闻条目，并找到与它们相关的信息。对于一个给定的文件集，该工具集自动将文本分组为类似的文章，提取地名、人名和组织名称，列出用户定义的专业术语，链接集群和实体，并生成超链接。通过每天对数千篇文章进行每日新闻分析，该工具还了解了人与其他实体之间的关系。功能齐全的原型系统允许用户跨语言和时间探索和浏览多语言文档集。
2006-09-11 cs.CL cs.IR
Automatically Generating Macro Research Reports from a Piece of News
Harbin Institute of Technology（哈尔滨工业大学）
从经济新闻中自动生成宏观研究报告是一项重要而富有挑战性的任务。众所周知，这要求宏观分析师在重要经济消息发布后的短时间内撰写这类报告。这激励了我们的工作，即，利用人工智能技术节省人工成本。该系统的目标是生成宏观研究报告，作为宏观分析师的草稿。从本质上讲，核心挑战是长文本生成问题。为了解决这个问题，我们提出了一种新的基于深度学习技术的方法，该方法包括两个组件，即，对于模型的性能评估，我们首先抓取一个大型的新闻-报告数据集，然后在这个数据集上对我们的方法进行评估，并给出生成的报告进行主观评价。
2019-11-21 cs.CL cs.IR cs.LG
Automatic Pharma News Categorization
Pharma Research and Early Development Operations（制药研究与早期开发运营部）；Roche Innovation Center Basel（罗氏巴塞尔创新中心）；F. Hoffmann - La Roche AG（罗氏公司）
我们使用的文本数据集包括23个新闻类别相关的医药信息科学，为了比较多个Transformer模型在分类任务中的微调性能。使用具有多个自回归和自编码转换模型的平衡数据集，我们比较了它们的微调性能。为了验证获胜的方法，我们对错误预测的实例进行模型行为诊断，包括检查类别度量，评估预测确定性和评估潜在空间表示。最后，我们提出了一个集成模型，由表现最好的个人预测，并证明这种方法提供了一个适度的改进F1度量。
2021-12-28 cs.IR cs.LG
Barbara Made the News: Mining the Behavior of Crowds for Time-Aware Learning to Rank
在Twitter和其他微博客服务中，由人群产生的新内容往往偏向于即时性：现在正在发生的事情。通过多种媒介传播评论和信息，网络上的用户与有新闻价值的话题互动并产生新的帖子，并产生热门话题。本文提出利用用户的行为动态来估计与主题最相关的时间段。我们的假设源于这样一个事实，即当一个真实世界的事件发生时，它通常在网络上有高峰期：更高的推文量，对相关维基百科文章的新访问和编辑，以及关于该事件的新闻发布。在本文中，我们提出了一种新的时间感知的排名模型，利用多个来源的人群信号。我们的方法建立在两个主要的创新之上。首先，一种统一的方法，给定查询q，挖掘和表示来自多个人群信号源的时间证据。这允许我们预测查询q的文档的时间相关性。第二，一个原则性的检索模型，它集成了时间信号的学习排序框架，排名结果根据预测的时间相关性。在TREC 2013和2014年微博跟踪数据集上的测试结果表明，该模型相对于词汇检索模型和学习排序基线分别提高了13.2%和6.2%.
2016-02-09 cs.IR
BiasScanner: Automatic Detection and Classification of News Bias to Strengthen Democracy
Coburg University of Applied Sciences（科堡应用科学大学）；University of Sheffield（谢菲尔德大学）
针对在线新闻偏见问题，该研究推出BiasScanner应用，结合服务端预训练大模型与浏览器插件，可细粒度识别24余种句子级媒体偏见并提供解释与分析，以轻量隐私的方式助力新闻消费者审视内容、强化民主。
2024-07-15 cs.AI cs.CL cs.IR
CSRN: Collaborative Sequential Recommendation Networks for News Retrieval
Tencent（腾讯）；Harbin Institute of Technology（哈尔滨工业大学）；The University of Kansas（堪萨斯大学）
如今，新闻应用程序已经取代了纸质媒体的流行，为个性化提供了一个很好的机会。基于递归神经网络（RNN）的顺序推荐是一种流行的方法，它利用用户最近的浏览历史来预测未来的项目。这种方法的局限性在于它没有考虑新闻消费的社会影响，即，用户可能关注不断变化的流行话题，而某些热门话题可能只在特定人群中传播。这种社会影响很难预测，只考虑用户自己的阅读历史。另一方面，传统的基于用户的协同过滤（UserCF）基于“邻居”的兴趣进行推荐，为补充基于RNN方法的不足提供了可能。然而，传统的UserCF只使用一个单一的相似性度量来建模用户之间的关系，这是太粗粒度，从而限制了性能。在本文中，我们提出了一个深度神经网络的框架，以集成基于RNN的顺序推荐和UserCF的关键思想，开发协作顺序推荐网络（CSRNs）。首先，我们建立了一个有向的用户共读网络，在向量空间中捕获用户之间的细粒度主题相似性。然后，CSRN模型用RNN对用户进行编码，并学会关注邻居，总结他们目前正在阅读的新闻。最后，根据用户自己的状态和邻居的总结状态推荐新闻文章。在两个公开数据集上的实验表明，该模型的性能明显优于现有的方法。
2020-04-07 cs.IR cs.LG stat.ML
Automated Summarization of Financial News Using Large Language Models and Retrieval-Augmented Generation: An Early Empirical Study (Fall 2023)
George Washington University（乔治·华盛顿大学）
该2023年秋的研究构建了结合LLM与RAG的财经新闻摘要流程，测试多种模型与方法，发现Summarize Chains的Falcon-7B表现最优，RAG存在缺陷，且相关失效模式至今仍具参考价值。
2026-08-21 cs.AI cs.CL cs.IR
Global Voices: Crossing Borders in Automatic News Summarization
University of Maryland, College Park（马里兰大学帕克分校）；Microsoft Research（微软研究院）
我们构建了Global Voices，一个用于评估跨语言摘要方法的多语言数据集。我们提取全球之声新闻文章的社交网络描述，以低成本收集15种语言的英文和英文摘要的评估数据。特别是，对于英语摘要任务，我们基于强调准确性，覆盖范围和可理解性的指导方针众包了一个高质量的评估数据集。为了确保这个数据集的质量，我们收集了人类的评分来过滤掉不好的摘要，并对人类进行了一项调查，结果显示，剩余的摘要比社交网络摘要更受欢迎。我们研究了跨语言摘要翻译质量的影响，比较了先翻译后摘要的方法与几个基线。我们的研究结果突出了ROUGE度量的局限性，被忽视的单语摘要。我们的数据集可在https://forms.gle/gpkJDT6RJWHM1Ztz9下载。
2020-06-15 cs.CL cs.IR cs.LG
GraphRAG-Causal: A novel graph-augmented framework for causal reasoning and annotation in news
Dept. of Artificial Intelligence & Data Science FAST School of Computing NUCES（人工智能与数据科学系 FAST 计算学院 NUCES）；Dept. of Computing and Electronics Engineering Middle East College（计算与电子工程系 中东学院）；Institute for Analytics and Data Science University of Essex（分析与数据科学研究所 埃塞克斯大学）
本研究提出GraphRAG-Causal图增强框架，通过构建新闻因果知识图谱、结合语义与结构的混合检索及大模型少样本推理，在仅20个示例下实现82.1%的因果分类F1值，适用于新闻可靠性评估等场景。
2025-06-13 cs.AI cs.IR
XL-HeadTags: Leveraging Multimodal Retrieval Augmentation for the Multilingual Generation of News Headlines and Tags
Ahsanullah University of Science & Technology（阿萨努拉科技大学）；University of Alberta（阿尔伯塔大学）；Université de Sherbrooke（谢布鲁克大学）；Salesforce Research（Salesforce研究院）；Nanyang Technological University（南洋理工大学）
本文提出XL-HeadTags方法，利用图像和标题等多模态辅助信息检索相关句子，结合指令微调，在多语言环境下同时生成新闻标题和实体标签，并构建了覆盖20种语言的数据集及配套评估工具。
2024-06-07 cs.AI cs.CL cs.CV
Neon: News Entity-Interaction Extraction for Enhanced Question Answering
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Microsoft Research（微软研究院）
NEON框架通过从新闻中抽取新兴实体交互并构建带时间戳的实体中心知识图谱，将开放信息抽取元组集成到LLMs中实现上下文检索增强生成，从而显著提升时间敏感的实体问答性能。
2024-11-20 cs.CL cs.IR
OCR quality affects perceived usefulness of historical newspaper clippings -- a user study
University of Eastern Finland（东芬兰大学）；Tampere University（坦佩雷大学）；University of Helsinki（赫尔辛基大学）
光学字符识别（OCR）质量对历史信息检索的影响迄今为止已经在面向数据的场景中关于检索结果的有效性进行了研究。这样的研究要么集中在人工降低的OCR质量的影响上（参见，例如，[1-2]）或利用包含基于真实低质量OCR数据的文本的测试集合（参见，例如，[3]）。本文研究了在面向用户的信息检索环境中OCR质量的影响。32个用户主观评价查询结果的6个主题（出30个主题）的基础上预先制定的查询使用模拟的工作任务设置。据我们所知，我们的模拟工作任务实验是第一个经验表明，用户的主观相关性评估检索到的文件的光学读取文本的质量变化的影响。到目前为止，历史报纸集的用户主要以印象主义的方式评论OCR数据质量的影响，而用于研究OCR质量对用户检索结果相关性评估的影响的受控用户环境迄今为止还没有出现。为了解决这个问题，芬兰国家图书馆（NLF）为一份芬兰历史报纸Uusi Suometar 1869-1918的内容建立了一个实验性的查询环境，以便能够比较用户对两种不同OCR质量的数字化报纸文章的搜索结果的评价。查询界面能够基于两种选择为用户呈现相同的底层文档：基于较低的OCR质量，或者基于较高的OCR质量，并且选择是随机的。用户不知道他们评价的文章文本的质量差异。本研究的主要结果是，改善光学字符识别质量会显著影响历史报纸文章的感知有用性。改进OCR结果的平均评价分数比旧OCR结果的平均评价分数高7.94%。
2022-03-04 cs.CL cs.DL cs.IR
Multiple Document Representations from News Alerts for Automated Bio-surveillance Event Detection
Pacific Northwest National Laboratory（太平洋西北国家实验室）
由于全球化，地理边界不再是传染病传播的有效屏障。为了帮助生物监测分析人员进行疾病跟踪，最近的研究致力于开发利用因特网上大量公开可用文档的信息检索和分析方法。在这项工作中，我们提出的方法，自动检索和分类的文件相关的积极的公共卫生事件。我们展示了自动生成的语料库上的分类性能，使用递归神经网络，TF-IDF和朴素贝叶斯对数计数比文档表示。通过对文档的标题和描述进行联合建模，我们使用性能最好的生物监测事件分类模型实现了97%的召回率和93.3%的准确率：对一对双向递归神经网络的组合输出进行逻辑回归。
2019-02-17 cs.IR cs.LG stat.ML
Automatic Detection of Satire in Bangla Documents: A CNN Approach Based on Hybrid Feature Extraction Model
Shahjalal University of Science & Technology（沙赫贾拉尔科技大学）
讽刺新闻在网络社区中的广泛传播是一种持续的趋势。讽刺的本质是如此的模棱两可，有时甚至连人类都很难理解它是否真的是讽刺。因此，对这一领域的研究兴趣越来越大。本研究的目的是检测孟加拉国讽刺新闻在在线新闻门户网站以及社交媒体上的传播。在本文中，我们提出了一种混合技术，从文本文档中提取特征结合Word2Vec和TF-IDF。使用我们提出的特征提取技术，与标准的CNN架构，我们可以检测是否孟加拉语文本文档是讽刺或没有超过96%的准确率。
2019-11-19 cs.CL cs.IR cs.LG
Online News Media Website Ranking Using User Generated Content
University of Tehran（德黑兰大学）；University of Houston（休斯顿大学）；Institute for Research in Fundamental Sciences (IPM)（基础科学研究所（IPM））
新闻媒体网站是重要的在线资源，引起了文本挖掘研究者的极大关注。本研究的主要目的是提出一个从不同角度对在线新闻网站进行排名的框架。新闻网站的排名是一个有用的信息，它可以帮助许多与新闻相关的任务，如新闻检索和新闻推荐。在所提出的框架中，新闻网站的排名是通过计算三个措施介绍了文件和用户生成的内容的基础上。每项建议的衡量标准都从一个特定的角度关注新闻网站的表现，包括新闻报道的完整性、网站报道事件的多样性和速度。在这个框架中使用用户生成的内容，作为一个部分公正的，实时的和低成本的内容在网络上区分建议的新闻网站排名框架的文献。对BBC、CNN、NYTimes三家主要新闻网站的调查结果表明，BBC在新闻完整性和速度方面表现最好，NYTimes在新闻多样性方面表现最好。
2019-10-28 cs.CL cs.IR cs.SI
Multimodal Analytics for Real-world News using Measures of Cross-modal Entity Consistency
Leibniz Information Centre for Science and Technology (TIB)（莱布尼茨科学技术信息中心（TIB））；Leibniz Universität Hannover（莱布尼茨汉诺威大学）；L3S Research Center, Leibniz Universität Hannover（莱布尼茨汉诺威大学L3S研究中心）
万维网已成为收集信息和新闻的流行来源。多模式信息，例如，用照片丰富文本通常用于更有效地传达新闻或吸引注意力。照片内容可以是装饰性的，描绘额外的重要信息，甚至可以包含误导性信息。因此，量化实体表示的跨模态一致性的自动方法可以支持人类评估员评估整体多模态消息，例如，关于偏见或情绪。在某些情况下，这些措施可以为发现假新闻提供线索，这是当今社会越来越重要的话题。在本文中，我们介绍了一个新的任务，跨模态一致性验证在现实世界的新闻，并提出了一个多模态的方法来量化图像和文本之间的实体一致性。命名实体链接用于从新闻文本中提取人物、地点和事件。建议几种措施来计算这些实体的跨模态相似性，使用最先进的方法。与以前的工作相比，我们的系统自动收集来自Web的示例数据，并适用于现实世界的新闻。两个新的数据集，涵盖不同的语言，主题和领域的结果证明了我们的方法的可行性。数据集和代码是公开的，以促进朝着这一新方向的研究。
2020-10-23 cs.CL cs.IR cs.MM
WikiPulse - A News-Portal Based on Wikipedia
越来越多的用户生成内容正在补充传统新闻。虽然我们不认为CNN或纽约时报及其专业记者会很快消失，但通过卑微的维基百科编辑，强大的竞争正在出现。在早期的研究中（Becker 2012），我们发现，娱乐和体育新闻在维基百科上的出现时间平均比CNN和路透社早两个小时。在这个项目中，我们构建了一个新闻阅读器，它可以自动识别最近的维基百科文章中的最新新闻，然后将其显示在一个专用的网站上。
2013-08-06 cs.DL cs.IR cs.SI
News Sentiment Analysis
University of Southern California（南加州大学）；Caltech（加州理工学院）
现代技术时代在几个领域重塑了传统生活方式。随着信息技术的进步，新闻和事件的发布媒介变得更快。IT还充斥着大量的数据，这些数据每时每刻都在由数百万用户以评论、博客、通过博客、社交媒体微博网站等进行新闻共享的形式发布。手动遍历如此庞大的数据是一项具有挑战性的工作，因此，复杂的方法来自动有效地执行这项任务。新闻报道的事件包含了各种情绪--好的、坏的、中性的。情感分析用于研究文本信息中存在的人类情感。提出了一种基于词汇的新闻文章情感分析方法。在BBC新闻数据集上进行了实验，实验结果表明了所采用方法的适用性和有效性。
2020-07-05 cs.CL cs.IR cs.LG
FrameFinder: Explorative Multi-Perspective Framing Extraction from News Headlines
TU Graz（格拉茨工业大学）；University of Graz（格拉茨大学）
本文提出FrameFinder，一个从新闻标题中提取并多视角可视化分析框架的开放工具，并通过枪支暴力语料库验证其支持社会科学研究的价值。
2023-12-14 cs.AI cs.CL cs.IR
Automatic detection of relevant information, predictions and forecasts in financial news through topic modelling with Latent Dirichlet Allocation
University of Vigo（维戈大学）
本文提出一种结合文本分割、共指消解、LDA主题建模和时间性分析的NLP系统，用于自动检测金融新闻中的相关文本及预测/预报，并在2,158条标注新闻上取得0.662和0.982的ROUGE-L值，首次在话语层面联合考虑相关性与时间性。
2024-03-30 cs.CE cs.CL cs.IR
Using Neural Network for Identifying Clickbaits in Online News Media
York University（约克大学）
在线新闻媒体有时会使用误导性的标题来诱使用户打开新闻文章。这些吸引用户但最终让他们失望的吸引人的标题被称为点击诱饵。由于点击诱饵自动检测在网络媒体中的重要性，许多机器学习方法被提出并用于发现点击诱饵标题。在这项研究中，提出了一个使用深度学习方法的模型来找到Clickbait Challenge 2017数据集中的点击诱饵。该模型在2017年的Clickbait挑战赛中获得了均方误差的第一名。此外，数据分析和可视化技术用于探索和发现所提供的数据集，以从数据中获得更多见解。
2018-06-20 cs.CL cs.CY cs.IR
Combining Visual and Textual Features for Semantic Segmentation of Historical Newspapers
École polytechnique fédérale de Lausanne（洛桑联邦理工学院）；Universität Zürich（苏黎世大学）
针对历史报纸语义分割中仅用视觉特征的问题，提出结合视觉与文本特征的多模态方法，实验证明其性能优于视觉基线且对材料变异更鲁棒。
2020-12-14 cs.CL cs.CV cs.IR
