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
An Evaluation Framework for Mapping News Headlines to Event Classes in a Knowledge Graph
St. John’s University（圣约翰大学）；IBM Research（IBM研究院）
本文构建新闻标题到 Wikidata 事件类别的基准与评估资源，并比较实体链接、NLI 零样本分类和大型生成式语言模型三类无监督方法。
2023-12-04 cs.AI 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
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
LLM-guided headline rewriting for clickability enhancement without clickbait
Intelligent Systems, Afeka Academic College of Engineering（阿菲卡工程学院智能系统系）；School of Computer Science, Faculty of Sciences, HIT-Holon Institute of Technology（霍隆理工学院理学院计算机科学系）
本文提出一种引导性标题重写框架，通过控制生成过程中的语言属性，在保持语义忠实的前提下提升标题吸引力，避免产生误导性内容。
2026-03-23 cs.AI cs.CL
SEntFiN 1.0: Entity-Aware Sentiment Analysis for Financial News
IIM Ahmedabad（印度艾哈迈达巴德管理学院）；Aalto University（阿尔托大学）
本文针对金融新闻标题中多实体情感抽取的挑战，发布了人工标注数据集 SEntFiN 1.0，并提出基于特征的情感抽取框架，实验表明 RoBERTa 和 finBERT 取得最高 94.29% 准确率和 93.27% F1 分数，且验证了情感对市场运动的经济效应。
2023-05-20 cs.AI cs.CL cs.LG
Panoramic Interests: Stylistic-Content Aware Personalized Headline Generation
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
针对现有个性化新闻标题生成方法忽略用户风格偏好的问题，提出SCAPE框架，借助LLM协作提取内容与风格特征，并通过对比学习分层融合网络整合用户长短期兴趣，在PENS数据集上验证了其优越性。
2025-01-28 cs.AI cs.CL
AlbNews: A Corpus of Headlines for Topic Modeling in Albanian
University of Vienna（维也纳大学）；Comenius University Bratislava（布拉迪斯拉发考门斯基大学）
本文提出阿尔巴尼亚语新闻标题语料库AlbNews，含600条带标签和2600条未带标签标题，用于主题建模，并报告了传统机器学习分类器的基线结果。
2024-02-06 cs.AI cs.CL cs.LG
VERITAS-NLI : Validation and Extraction of Reliable Information Through Automated Scraping and Natural Language Inference
D.J. Sanghvi College of Engineering（D.J. Sanghvi工程学院）
针对虚假新闻检测问题，提出VERITAS-NLI系统，结合动态网络抓取与自然语言推理检索外部知识验证标题准确性，准确率达84.3%，显著优于经典机器学习和BERT模型。
2024-10-12 cs.AI cs.CL cs.LG
Fact-checking information from large language models can decrease headline discernment
Observatory on Social Media, Indiana University（社会媒体观察所，印第安纳大学）；FSI Cyber Policy Center, Stanford University（斯坦福大学FSI网络政策中心）；Network Science Institute, Northeastern University（东北大学网络科学研究所）
本研究通过随机对照实验发现，大型语言模型提供的事实核查信息虽准确率高（90%），但未能提升用户对新闻标题的辨别能力，甚至在某些情况下有害，而人工核查则有效，凸显了AI应用需政策干预以防危害。
2024-08-07 cs.AI cs.CY cs.HC
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
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
A Spanish dataset for Targeted Sentiment Analysis of political headlines
Instituto de Fisiología, Biología Molecular y Neurociencia, CONICET, UBA（布宜诺斯艾利斯大学国家科学技术研究委员会生理、分子生物学与神经科学研究所）；Facultad de Psicología, UBA（布宜诺斯艾利斯大学心理学学院）；Instituto de Ciencias de la Computación, CONICET, UBA（布宜诺斯艾利斯大学国家科学技术研究委员会计算机科学研究所）
主观文本已经被一些作品研究，因为它们可以诱导用户的某些行为。大多数工作都集中在社交网络中用户生成的文本上，但其他一些文本也包含对某些主题的意见，并且可能影响政治决策期间的判断标准。在这项工作中，我们解决了针对2019年阿根廷总统选举期间主要媒体发布的新闻标题领域的目标情感分析任务。为此，我们提出了一个极性数据集，其中包含1，976个标题，其中提到了2019年选举中目标水平的候选人。基于预先训练的语言模型的最先进的分类算法的初步实验表明，目标信息有助于完成这项任务。我们公开我们的数据和预训练模型。
2022-08-30 cs.CL
Bias of AI-Generated Content: An Examination of News Produced by Large Language Models
University of Delaware（特拉华大学）；Tsinghua University（清华大学）；Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shanghai University of Finance and Economics（上海财经大学）
本文以《纽约时报》和路透社新闻标题为提示，评估七个LLM生成新闻的性别与种族偏见，发现均存在显著偏见，其中ChatGPT偏见最低且唯一能拒绝偏见性提示。
2024-04-03 cs.AI
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
Evaluating the Efficacy of Large Language Models in Detecting Fake News: A Comparative Analysis
本文比较测试四款大型与两款小型 LLM 在 Kaggle 虚假新闻样本上的检测表现，以揭示其能力、局限及对信息治理的启示。
2024-06-05 cs.AI cs.CL
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
NoticIA: A Clickbait Article Summarization Dataset in Spanish
HiTZ Basque Center for Language Technology（HiTZ巴斯克语言技术中心）；University of the Basque Country UPV/EHU（巴斯克大学UPV/EHU）
本文提出了西班牙语诱饵文章摘要数据集NoticIA，包含850篇新闻文章及人工撰写的单句摘要，并基于此评估多种大型语言模型，同时训练了达到接近人类性能的特定任务模型ClickbaitFighter。
2024-05-31 cs.AI cs.CL
NSINA: A News Corpus for Sinhala
Birmingham City University（伯明翰城市大学）；Lancaster University（兰卡斯特大学）；University of Münster（明斯特大学）；Aston University（阿斯顿大学）
针对僧伽罗语等低资源语言缺乏训练数据和基准数据集的问题，本研究发布了包含超50万篇文章的最大僧伽罗语新闻语料库NSINA，并提供新闻媒体识别、类别预测和标题生成三个NLP任务，以支持LLMs的适配与改进。
2024-03-25 cs.AI cs.CL cs.LG
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
FEUP at SemEval-2017 Task 5: Predicting Sentiment Polarity and Intensity with Financial Word Embeddings
Faculdade de Engenharia da Universidade do Porto（波尔图大学工程学院）；LIACC（人工智能与计算机科学实验室）；INESC-TEC（系统与计算机工程、技术与科学研究所）
本文介绍了波尔图大学工程学院开发的方法，参加SemEval 2017，任务5：金融微博和新闻的细粒度情感分析。该任务包括预测一个从-1.0到+1.0的实际连续变量，代表对短文本中提到的公司/股票的情绪的极性和强度。我们将任务建模为回归分析问题，并将传统技术（如预处理短文本，词袋表示和基于词汇的特征）与增强的金融特定嵌入袋相结合。我们使用了一个外部集合的推文和新闻标题，提到公司/股票从标准普尔500创建金融词嵌入，能够捕捉特定领域的句法和语义相似性。在子任务5.1 -微博和子任务5.2 -新闻标题中，所得到的余弦相似度得分分别为0.69和0.68。
2017-04-17 cs.CL cs.IR
Russian News Clustering and Headline Selection Shared Task
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；ABBYY（泰比（ABBYY）公司）
本文介绍了俄语新闻聚类和标题选择共享任务的结果。作为其中的一部分，我们提出了俄语新闻事件检测，标题选择和标题生成的任务。这些任务伴随着数据集和基线。用于事件检测和标题选择的数据集是其任务的第一个公共俄语数据集。标题生成数据集基于聚类，并为每个聚类提供多个参考标题，这与以前的数据集不同。最后，报告和分析了共享任务参与者提出的方法。
2021-06-14 cs.CL
Overview of the NLPCC 2017 Shared Task: Chinese News Headline Categorization
Fudan University（复旦大学）
本文概述了CCF自然语言处理与中文计算会议（NLPCC 2017）的共同任务：中文新闻标题分类。这个共享任务的数据集包括18个类，12，000个短文本以及每个类的相应标签。数据集和示例代码可以在https://github.com/FudanNLP/nlpcc2017_news_headline_categorization上访问。
2017-06-09 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
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
Assessing Look-Ahead Bias in Stock Return Predictions Generated By GPT Sentiment Analysis
Columbia Business School（哥伦比亚商学院）；Columbia University（哥伦比亚大学）
本文研究 GPT 新闻情感交易策略中的前视偏差与公司知识干扰，发现移除公司标识可降低干扰并改善样本内表现，且有助于样本外应用。
2023-09-29 cs.AI q-fin.GN
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
HeadlineCause: A Dataset of News Headlines for Detecting Causalities
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Yandex（Yandex公司）
发现文本中隐含的因果关系是一项需要常识和世界知识的任务。现有的数据集集中在常识因果推理或明确的因果关系。在这项工作中，我们提出了HeadlineCause，一个用于检测新闻标题对之间隐含因果关系的数据集。该数据集包括来自英语新闻的5000多个标题对和来自俄语新闻的9000多个标题对，这些标题对通过众包标记。这些对从完全不相关或属于同一主题的对到包括因果关系和反驳关系的对。我们还提出了一组模型和实验，证明了数据集的有效性，包括一个多语言的XLM-RoBERTA为基础的因果关系检测模型和一个基于GPT-2的模型可能的影响预测。
2021-09-28 cs.CL cs.LG
HonestBait: Forward References for Attractive but Faithful Headline Generation
UNC Chapel Hill（北卡罗来纳大学教堂山分校）；Northwestern University（西北大学）；Academia Sinica（中央研究院）
提出HonestBait框架，利用前向引用和自我验证过程生成有吸引力且忠实的新闻标题，在保持高真实性的同时提升吸引力11.25%。
2023-06-26 cs.AI cs.CL
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
A Discussion on Influence of Newspaper Headlines on Social Media
Trinity College Dublin, University of Dublin（都柏林大学圣三一学院）
报纸头条的贡献很大，并对社交媒体产生影响。本文研究了动词和形容词对新闻标题的影响力的持久性，并确定了影响其在社交媒体上的性质的因素。每个标题都根据其情绪得分分为积极，消极或中性。初步结果表明，情绪性质的强度与社交媒体印象呈正相关。此外，动词和形容词与情感得分有一定的关系
2019-09-05 cs.CL
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
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
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
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
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
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
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
Short-Text Classification Using Unsupervised Keyword Expansion
Queen’s University（女王大学）；Institute for InfoComms Research（信息通信研究所）；A*STAR（新加坡科技研究局）
短文本分类与所有数据科学一样，难以使用有限的数据实现高性能。作为一种解决方案，可以用新的和相关的特征词扩展短句以形成人工放大的数据集，并向测试数据添加新的特征。本文采用了一种新的文本扩展方法，直接为每个输入句子生成新词，因此不需要额外的数据集或先前的训练。在这种无监督的方法中，新的关键字在预先训练的语言模型的隐藏状态中形成，然后用于创建扩展的伪文档。通过检查预测的单词与输入句子的主题匹配程度来评估单词生成过程。实验结果表明，该方法可以为每个目标主题产生3-10个相关新词，而每个非目标主题只产生1个相关词。然后将生成的单词添加到简短的新闻标题中，以创建扩展的伪标题。实验结果表明，当限制训练样本的数量时，使用伪标题训练的模型可以提高分类精度。
2019-09-16 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
Learning to Determine the Quality of News Headlines
York University（约克大学）；The Globe and Mail（环球邮报）
今天，大多数新闻播音员阅读新闻文章的在线版本，而不是传统的纸质报纸。此外，新闻媒体出版商在很大程度上依赖于新闻阅读员的订阅和网站访问所产生的收入。因此，在线用户参与度对于在线报纸来说是一个非常重要的问题。为了吸引网民的注意力，人们花了很多精力来撰写有趣的标题。另一方面，标题不应具有误导性（例如，点击诱饵）;否则，读者在阅读内容时会感到失望。本文提出了四个衡量新闻标题质量的指标，即通过网站日志分析获得的点击量和停留时间。然后，我们使用软目标分布的计算质量指标训练我们提出的深度学习模型，可以预测未发布的新闻标题的质量。该模型不仅处理文章标题和正文的潜在特征来预测标题质量，而且还考虑标题和正文之间的语义关系。为了评估我们的模型，我们使用了来自加拿大一家主要报纸的真实数据集。结果表明，我们提出的模型优于其他国家的最先进的NLP模型。
2020-04-19 cs.CL cs.IR cs.LG
Generating Representative Headlines for News Stories
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Google Research（谷歌研究院）；Google Inc.（谷歌公司）
每天都有数百万篇新闻文章在网上发布，读者可能会不知所措。将报道同一事件的文章转换成新闻故事是帮助读者进行新闻消费的常见方式。然而，它仍然是一个具有挑战性的研究问题，高效和有效地产生一个代表性的标题为每个故事。文档集的自动摘要已经研究了几十年，而很少有研究集中在生成一组文章的代表性标题。与旨在以最少冗余捕获大多数信息的摘要不同，标题旨在捕获由短长度的故事文章共同共享的信息，并排除对每个单独文章过于具体的信息。在这项工作中，我们研究的问题，产生代表性的标题新闻故事。我们开发了一种远程监督方法来训练大规模的生成模型，而无需任何人工注释。这种方法集中在两个技术组成部分。首先，我们提出了一个多层次的预训练框架，它包含了大量的未标记的语料库与不同的质量。各级数量平衡。我们表明，在这个框架内训练的模型优于那些用纯人类策展语料库训练的模型。其次，我们提出了一种新的基于自投票的文章注意力层来提取多篇文章共享的显著信息。我们表明，包含这一层的模型对新闻报道中的潜在噪音具有鲁棒性，并且在有或没有噪音的情况下优于现有的基线。我们可以通过引入人类标签来进一步增强我们的模型，我们表明我们的远程监督方法显着降低了对标记数据的需求。
2020-04-13 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
Using NLP on news headlines to predict index trends
Lusis
本文试图提供一个国家的艺术趋势预测使用新闻标题。我们提出了使用自然语言处理预测DJIA趋势的研究。我们将解释我们使用的不同算法以及尝试的各种嵌入技术。我们依靠统计和深度学习模型来从语料库中提取信息。
2018-06-22 cs.CL cs.LG stat.ML
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
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
GoodNewsEveryone: A Corpus of News Headlines Annotated with Emotions, Semantic Roles, and Reader Perception
大多数从文本中进行情感分析的研究都集中在情感分类或情感强度回归上。较少的作品将情绪作为一种需要通过结构化学习来解决的现象，这可以通过缺乏相关数据集来解释。我们填补了这一空白，通过发布一个数据集的5000个英语新闻标题注释通过众包与他们相关的情感，相应的情感体验者和文本线索，相关的情感原因和目标，以及读者的感知标题的情感。考虑到要识别的类和角色的数量很大，这个注释任务是非常具有挑战性的。因此，我们提出了一个多阶段的注释过程中，我们首先找到相关的实例与情感内容，然后注释更细粒度的方面。最后，我们开发了一个自动预测语义角色结构的任务的基线，并讨论了结果。我们发布的语料库可以进一步研究情绪分类，情绪强度预测，情绪原因检测，并支持进一步的定性研究。
2020-03-03 cs.AI cs.CL cs.IR
Reverse-Engineering Satire, or "Paper on Computational Humor Accepted Despite Making Serious Advances"
EPFL（洛桑联邦理工学院）；Microsoft Research（微软研究院）
幽默是人类的基本特征。理解幽默的努力已经唤起了幽默与认知基础之间的联系，以及幽默在社会参与中的重要性。因此，它是一个有前途的和重要的研究课题，与人工智能和人机交互相关。以前关于幽默的计算工作大多在粗糙的粒度水平上操作，例如，预测整个句子、段落、文档等，很幽默作为深入理解幽默的一步，我们寻求细粒度的属性模型，使给定的文本幽默。从观察到讽刺新闻标题倾向于类似于严肃新闻标题的现象出发，我们建立并分析了一个讽刺新闻标题与几乎相同但严肃的标题配对的语料库。该语料库是通过Unfun.me构建的，这是一个在线游戏，激励玩家对讽刺性标题进行最小的编辑，目的是让其他玩家相信结果是严肃的标题。用于成功删除幽默的编辑操作可以精确定位在使原始讽刺标题变得有趣中起关键作用的单词和概念。我们的分析表明，幽默倾向于居住在标题的末尾，主要是在名词短语，大多数讽刺性的标题遵循一定的逻辑模式，我们称之为假类比。总之，本文加深了我们对讽刺新闻标题的句法和语义结构的理解，并为构建幽默生成系统提供了启示。
2019-08-13 cs.AI cs.CL
Generating News Headlines with Recurrent Neural Networks
我们描述了具有LSTM单元和注意力的编码器-解码器递归神经网络的应用，以从新闻文章的文本中生成标题。我们发现，该模型是相当有效的，在简明的释义新闻文章。此外，我们还研究了神经网络如何决定要注意哪些输入单词，特别是我们确定了简化的注意力机制中不同神经元的功能。有趣的是，我们简化的注意力机制比更复杂的注意力机制在一组文章上表现得更好。
2015-12-05 cs.CL cs.LG cs.NE
