論文の概要: Fact-Preserved Personalized News Headline Generation
- arxiv url: http://arxiv.org/abs/2501.11828v1
- Date: Tue, 21 Jan 2025 02:14:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:25:45.894844
- Title: Fact-Preserved Personalized News Headline Generation
- Title（参考訳）: ファクト保存型パーソナライズドニュース見出し生成
- Authors: Zhao Yang, Junhong Lian, Xiang Ao,
- Abstract要約: Fact-Preserved Personalized News Headline Generation(FOG用ショート)を提案する。
FPGでは、候補ニュースと過去のクリックニュースとの類似性を利用して、候補ニュースの主要な事実に異なるレベルの注意を向ける。
コントラスト学習に基づく追加のトレーニング手順を考案し、生成した見出しの現実的一貫性をさらに強化する。
- 参考スコア（独自算出の注目度）: 16.892887246042903
- License:
- Abstract: Personalized news headline generation, aiming at generating user-specific headlines based on readers' preferences, burgeons a recent flourishing research direction. Existing studies generally inject a user interest embedding into an encoderdecoder headline generator to make the output personalized, while the factual consistency of headlines is inadequate to be verified. In this paper, we propose a framework Fact-Preserved Personalized News Headline Generation (short for FPG), to prompt a tradeoff between personalization and consistency. In FPG, the similarity between the candidate news to be exposed and the historical clicked news is used to give different levels of attention to key facts in the candidate news, and the similarity scores help to learn a fact-aware global user embedding. Besides, an additional training procedure based on contrastive learning is devised to further enhance the factual consistency of generated headlines. Extensive experiments conducted on a real-world benchmark PENS validate the superiority of FPG, especially on the tradeoff between personalization and factual consistency.
- Abstract（参考訳）: 読者の好みに基づいてユーザ固有の見出しを生成することを目的としたパーソナライズされたニュース見出し生成は、近年盛んに行われている研究の方向性を後押ししている。
既存の研究では、エンコーダデコーダのヘッドラインジェネレータにユーザーの興味を埋め込んで出力をパーソナライズし、実際の見出しの一貫性は検証に不十分である。
本稿では,Fact-Preserved Personalized News Headline Generation(FOGの略)を提案し,パーソナライズと一貫性のトレードオフを促す。
FPGでは、候補ニュースと過去のクリックニュースの類似性を利用して、候補ニュースの重要事実に異なるレベルの注意を向け、類似度スコアは、事実を意識したグローバルなユーザ埋め込みを学ぶのに役立つ。
さらに、コントラスト学習に基づく追加のトレーニング手順を考案し、生成した見出しの現実的一貫性をさらに強化する。
実世界のベンチマークPENSで実施された大規模な実験は、特にパーソナライゼーションと事実整合性のトレードオフについて、FPGの優位性を検証する。
関連論文リスト
- Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Diverse Data Augmentation with Diffusions for Effective Test-time Prompt
Tuning [73.75282761503581]
DiffTPTを提案する。DiffTPTは,事前学習した拡散モデルを用いて,多種多様な情報データを生成する。
DiffTPTがゼロショット精度を平均5.13%向上することを示す。
論文 参考訳（メタデータ） (2023-08-11T09:36:31Z) - HonestBait: Forward References for Attractive but Faithful Headline
Generation [13.456581900511873]
フォワード参照 (FR) は、クリックベイトによく使われる記述技法である。
自己検証プロセスは、急激な発明を避けるために訓練中に含まれる。
本稿では,疑似ニュースと疑似ニュースのペアを含む斬新なデータセットであるPANCO1について紹介する。
論文 参考訳（メタデータ） (2023-06-26T16:34:37Z) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - COFFEE: Counterfactual Fairness for Personalized Text Generation in
Explainable Recommendation [56.520470678876656]
ユーザ記述テキストに固有のバイアスは、言語品質の異なるレベルとユーザの保護された属性を関連付けることができる。
説明生成における測度特異的な対実的公正性を実現するための一般的な枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-14T02:29:10Z) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - Transforming Fake News: Robust Generalisable News Classification Using
Transformers [8.147652597876862]
パブリックなISOTとCombined Corpusデータセットを使用して、偽ニュースを識別するトランスフォーマーの能力を調べる。
そこで本研究では,モデルトレーニングと最終展開推論システムの両方から,そのような項目を除去する2段階の新たな分類パイプラインを提案する。
ISOTとコンバインド・コーパスのデータセットによる実験では、トランスフォーマーは分布一般化から最大4.9%までのF1スコアを達成している。
論文 参考訳（メタデータ） (2021-09-20T19:03:16Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。