[論文レビュー] Stop clickbait: detecting and preventing clickbaits in online news media

Abhijnan Chakraborty, Bhargavi Paranjape+2 more|arXiv (Cornell University)|Aug 18, 2016

Misinformation and Its Impacts参考文献 12被引用数 200

ひとこと要約

この論文では、ユーザーの好みに応じてセンセーショナルな見出しを特定・警告またはブロックするブラウザ拡張機能に統合された自動クリックベイト検出システムを提案する。本システムは、複数のニュースサイトで実施されたオフラインおよびオンライン実験を通じて、クリックベイトの検出で93%の正確性、パーソナライズドブロッキングで89%の正確性を達成した。

ABSTRACT

Most of the online news media outlets rely heavily on the revenues generated from the clicks made by their readers, and due to the presence of numerous such outlets, they need to compete with each other for reader attention. To attract the readers to click on an article and subsequently visit the media site, the outlets often come up with catchy headlines accompanying the article links, which lure the readers to click on the link. Such headlines are known as Clickbaits. While these baits may trick the readers into clicking, in the long-run, clickbaits usually don't live up to the expectation of the readers, and leave them disappointed. In this work, we attempt to automatically detect clickbaits and then build a browser extension which warns the readers of different media sites about the possibility of being baited by such headlines. The extension also offers each reader an option to block clickbaits she doesn't want to see. Then, using such reader choices, the extension automatically blocks similar clickbaits during her future visits. We run extensive offline and online experiments across multiple media sites and find that the proposed clickbait detection and the personalized blocking approaches perform very well achieving 93% accuracy in detecting and 89% accuracy in blocking clickbaits.

研究の動機と目的

• オンラインニュースメディアにおける、誇張またはセンセーショナルな言語で読者をだます見出しを自動的に検出すること。
• ユーザーが潜在的なクリックベイトに遭遇した際に、それを警告するブラウザ拡張機能を開発すること。
• ユーザーの好みに基づいて、不要なクリックベイトコンテンツをパーソナライズドブロッキングできるようにすること。
• 多様なニュースWebサイトを通じて、検出およびブロッキングメカニズムの有効性を評価すること。
• 内容の約束を果たさない誤解を招く見出しへの露出を減らすことで、ユーザー体験を向上させること。

提案手法

• システムは自然言語処理技術を用いて見出しのテキストを分析し、感情表現、好奇心のギャップ、誇張された主張といったクリックベイトに関連する言語的兆候を検出する。
• ラベル付き見出しのデータセットを用いて機械学習モデルを学習させ、見出しがクリックベイトかどうかを分類する。
• ブラウザ拡張機能は検出モデルを統合し、ユーザーがニュースサイトを閲覧している際のリアルタイムで見出しを分析する。
• ユーザーは特定のクリックベイトをフラグ付けたりブロックしたりでき、システムはこれらの選択から学習し、将来の訪問時に類似した見出しを自動でブロックする。
• 個々のユーザーの好みに基づいてブロッキング行動をパーソナライズするためのフィードバックループを採用する。
• 検出およびブロッキング性能の妥当性を検証するため、複数のメディアサイトでオフラインおよびオンライン実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 自動化されたシステムは、オンラインニュースメディアにおけるクリックベイト見出しをどの程度正確に検出できるか？
• RQ2 ブラウザ拡張機能は、リアルタイムで誤解を招く可能性のあるクリックベイト見出しを効果的にユーザーに警告できるか？
• RQ3 ユーザーのフィードバックに基づくパーソナライズドブロッキングは、不要なクリックベイトへの露出をどの程度削減できるか？
• RQ4 検出およびブロッキングのパフォーマンスは、異なるニュースWebサイトやコンテンツタイプによってどのように変化するか？
• RQ5 ユーザー主導のフィードバックは、時間経過とともにクリックベイトブロッキングの正確性をどの程度向上させるか？

主な発見

• クリックベイト検出システムは、複数のニュースサイトでセンセーショナルな見出しを識別する際、93%の正確性を達成した。
• パーソナライズドブロッキング機構は、ユーザーの好みを学習し、将来の訪問時に類似した見出しをブロックすることで、89%の正確性に達した。
• ブラウザ拡張機能は、リアルタイムの閲覧中に潜在的なクリックベイトについてユーザーに警告することに成功した。
• ユーザーからのフィードバックは、時間の経過とともに不要なコンテンツをブロックするシステムの能力を顕著に向上させた。
• システムは、オフラインおよびオンラインの評価環境において、多様なオンラインニュースメディアプラットフォームで一貫したパフォーマンスを示した。
• 自動検出とユーザーのパーソナライゼーションの組み合わせにより、誤解を招く見出しへの露出が顕著に削減された。