基于内部知识扩展的软提示学习点击诱饵检测方法

点击诱饵的主要目的是通过引导用户点击链接以增加页面浏览量和广告收入.点击诱饵的内容往往具有低质量、误导性或虚假性的特征,对用户产生潜在不利影响.现有的基于预训练语言模型的提示学习方法依赖外部开放知识库以检测点击诱饵,不仅性能受制于外部知识库的质量和可用性,而且不可避免地导致查询和响应的延迟.为此,文中提出基于内部知识扩展的软提示学习点击诱饵检测方法,从训练数据集本身提取扩展词,同时采用层次聚类和优化策略,在提示学习中对获得的扩展词进行微调,避免从外部知识库检索知识.此外,采用软提示学习可获得适合特定文本类型的最佳提示,避免手工模板带来的偏差.在少样本场景下,尽管文中方法只基于内部知识进行扩展,但在三个公开的点击诱饵数据集上可以以较少的时间取得较优的检测效果.

专业事实核查机构在社交媒体中的“点击诱饵”及其传播效果研究

本研究考察了事实核查机构使用“点击诱饵元素”的现状,并对其传播效果进行评估。本研究通过人工标注样本以训练机器学习模型的方法,分析了12家美国专业事实核查机构过去两年间在其推特账号上发布的24670条用于推广核查报告的推文。研究发现,五分之一的推文包含点击诱饵元素。对于有影响的事实核查机构而言,当其在核查时政和公共卫生议题时,点击诱饵元素对推文的传播效果有负面影响。本研究讨论了该结果对理论、方法和网络内容管理实践层面的启示。

诱饵点击、失灵和反转:社交媒体中新闻客观性与情绪化的矛盾

本研究分析了社交媒体中新闻机构使用“点击诱饵元素”的现状,并对其传播效果和影响因素进行了考察。文章选取伯努利朴素贝叶斯算法对新闻标题进行分类,使用主题模型对新闻内容进行主题分类,使用混合线性模型分析不同点击诱饵元素的传播效果和影响因素。研究发现,社交媒体中新闻机构正在向使用点击诱饵元素过渡,使用情绪化的点击诱饵元素逐渐兴起。在新闻内容上,社交媒体中新闻机构呈现淡传统媒体化和逐步社交媒体化的趋势。使用点击诱饵元素能够在一定程度上提高帖文的传播效果,实现“诱饵点击”,且情绪化的点击诱饵元素效果最好。情绪化点击诱饵元素在客观性较强的新闻消息中会导致情绪唤起的中断,出现“诱饵失灵”,甚至“诱饵反转”的效果,呈现客观性与情绪化的矛盾。在实践层面,“纯文本”类新闻消息使用点击诱饵元素提高传播效果的作用更显著,为文字型媒体脱颖而出打开了新思路。