論文の概要: ClickGuard: Detecting and Spoiling Clickbait News with Informativeness Measures and Large Language Models

• arxiv url: http://arxiv.org/abs/2607.20463v1
• Date: Mon, 18 May 2026 10:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.182042
• Title: ClickGuard: Detecting and Spoiling Clickbait News with Informativeness Measures and Large Language Models
• Title（参考訳）: ClickGuard:インフォーマルネス対策と大規模言語モデルによるClickbaitニュースの検出とスポイリング
• Authors: Wojciech Michaluk, Tymoteusz Urban, Mateusz Kubita, Soveatin Kuntur, Anna Wróblewska,
• Abstract要約: 本稿では、ユーザーが誤解を招くインターネット記事を避けるために、クリックベイトを識別するAI駆動のブラウザエクステンションを提案する。 このアプリケーションは、トランスフォーマーベースの埋め込みと言語的に動機付けられた特徴とカスタムの"ベイトネス"スコアを組み合わせた、ハイブリッド機械学習アーキテクチャを採用している。 このツールは、クリックベイト記事の前後に警告する。
• 参考スコア（独自算出の注目度）: 3.131740922192115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an AI-driven browser extension that identifies clickbait to help users avoid misleading Internet articles. Moving beyond traditional detection, the application employs a hybrid machine learning architecture that combines transformer-based embeddings with linguistically motivated features and a custom "baitness" score. After evaluating various natural language processing techniques -- from classic vectorizers to large language model (LLM) embeddings -- an XGBoost-based model was developed that achieves an F1-score of 91% on the open combined dataset. Most importantly, the tool can warn users before and after they access a clickbait article. After opening an article, the user receives a percentage score indicating the likelihood that it is clickbait. The prediction is explained based on the analyzed metrics, including those specifically developed within the proposed system. The browser extension also provides a clickbait spoiler -- a one- to two-sentence summary of the entire article. Demo video:https://www.youtube.com/watch?v=IJ1gkQV82C4}{https://www.youtube.com/watch?v=IJ1gkQV82C4
• Abstract（参考訳）: 本稿では、ユーザーが誤解を招くインターネット記事を避けるために、クリックベイトを識別するAI駆動のブラウザエクステンションを提案する。 従来の検出を超えて、このアプリケーションはトランスフォーマーベースの埋め込みと言語的に動機付けられた特徴とカスタムの"ベイトネス"スコアを組み合わせた、ハイブリッド機械学習アーキテクチャを採用している。 古典的ベクトル化器から大規模言語モデル(LLM)埋め込みに至るまで、さまざまな自然言語処理技術を評価した後、オープンな組み合わせデータセット上でF1スコアの91%を達成するXGBoostベースのモデルが開発された。 いちばん重要なのは、クリックベイト記事の前後に警告する機能だ。 記事を開くと、ユーザはクリックベイトである可能性を示すパーセンテージスコアを受け取る。 この予測は,提案システム内で特別に開発された指標を含む分析値に基づいて説明される。 ブラウザ拡張機能はまた、記事全体の1対2の要約であるクリックベイトスポイラーも提供する。 デモビデオ:https://www.youtube.com/watch? v=IJ1gQV82C4}{https://www.youtube.com/watch? v=IJ1gQV82C4

関連論文リスト

• Click it or Leave it: Detecting and Spoiling Clickbait with Informativeness Measures and Large Language Models [1.5658704610960574]
  本稿では,トランスフォーマーをベースとしたテキスト埋め込みと,言語的に動機付けられた情報化機能を組み合わせたクリックベイト検出手法を提案する。 当社のベストパフォーマンスモデルであるXGBoostは15の明示的な特徴を組み込んだ組み込みで、F1スコアの91%を実現しています。 提案する特徴集合は,2人称代名詞,助詞,数字,注意指向句読点などの有能な言語的手がかりを強調することにより,解釈可能性を高める。
  論文  参考訳（メタデータ） (2026-02-20T12:16:08Z)
• An Interpretable Benchmark for Clickbait Detection and Tactic Attribution [37.86790434630698]
  クリックベイトの見出しの拡散は、デジタルメディアにおける情報の信頼性とユーザ信頼に重大な課題をもたらす。 本稿では、クリックベイトタイトルを識別するだけでなく、特定の言語操作戦略に起因した、説明可能なクリックベイト検出モデルを提案する。 本稿では,検出と戦術属性を含む自動クリックベイト分析のための2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-13T18:26:49Z)
• Te Ahorré Un Click: A Revised Definition of Clickbait and Detection in Spanish News [0.0]
  現在のコンセンサスに欠けるクリックベイトの定義を再検討する。 スペイン語でクリックベイト検出のための最初のオープンソースデータセットであるTA1Cをリリースしました。
  論文  参考訳（メタデータ） (2025-07-13T20:19:08Z)
• Prompt-tuning for Clickbait Detection via Text Summarization [18.027598728494485]
  クリックベイト(Clickbaits)は、ソーシャルな投稿や、クリック数を増やすためにユーザーを誘惑する偽ニュースの見出しだ。 既存のほとんどの手法は、クリックベイトを検出するために見出しと内容のセマンティックな類似性を計算する。 テキスト要約によるクリックベイト検出のプロンプトチューニング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T09:39:02Z)
• Forging the Forger: An Attempt to Improve Authorship Verification via Data Augmentation [52.72682366640554]
  著者検証(英語: Authorship Verification, AV)とは、ある特定の著者によって書かれたか、別の人物によって書かれたのかを推測するテキスト分類タスクである。 多くのAVシステムは敵の攻撃に弱いことが示されており、悪意のある著者は、その書体スタイルを隠蔽するか、あるいは他の著者の書体を模倣することによって、積極的に分類者を騙そうとしている。
  論文  参考訳（メタデータ） (2024-03-17T16:36:26Z)
• An Offline Metric for the Debiasedness of Click Models [52.25681483524383]
  クリックモデルは、ユーザークリックから情報を抽出する一般的な方法である。 最近の研究は、コミュニティにおける現在の評価プラクティスが、良いパフォーマンスのクリックモデルが下流のタスクにうまく一般化することを保証できないことを示している。 クリックモデリングにおける偏りの概念を導入し,その測定基準を導出する。
  論文  参考訳（メタデータ） (2023-04-19T10:59:34Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Clickbait Detection using Multiple Categorization Techniques [6.396288020763144]
  本稿では,クリックベイトとノンクリックベイトを分離するためのハイブリッド分類手法を提案する。 提案するハイブリッドモデルは, 個々の分類手法よりも堅牢で信頼性が高く, 効率的である。
  論文  参考訳（メタデータ） (2020-03-29T07:16:41Z)

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。