基于NLP技术的“标题党”识别方法研究

移动互联时代资讯泛滥,导致违规采编发布互联网新闻信息、散播虚假信息等"标题党"网络传播乱象,识别"标题党"已成为当前互联网整治的重要任务。文章分析了当前互联网"标题党"的核心特征。对其中5类"标题党"进行详细分析。对比了当前流行的多种识别算法的表现,给出了对应的查全率和查准率。提出一种基于规则匹配的"标题党"识别算法,在综合类型"标题党"语料集中表现较好,弥补当前"标题党"识别算法的局限性。

基于BERT-BiGA模型的标题党新闻识别研究

【目的】为了识别网络新闻中的标题党现象,提出一种以中文BERT模型为基础,结合BiGRU和融合注意力机制的标题党新闻检测方法。【方法】该方法使用中文BERT预训练模型作为文本编码器,通过融合注意力机制提取文本特征,最后使用BiGRU直接对新闻标题和新闻内容进行建模,通过它们之间的语义相关度判定是否为标题党。【结果】该方法避免使用文本相似度计算方法中复杂的特征工程和误差二次放大等问题,取得了81%的识别准确率。并且开发浏览器插件为新闻读者实现标题党新闻实时检测。【局限】标题党判别机制只考虑新闻标题和内容,未将阅读数、点赞数和评论等信息纳入计算。【结论】该方法在召回率指标上取得了4%的提升,可以看出该方法对于标题党新闻的特征更敏感。