[논문 리뷰] Stop clickbait: detecting and preventing clickbaits in online news media

Abhijnan Chakraborty, Bhargavi Paranjape외 2명|arXiv (Cornell University)|2016. 08. 18.

Misinformation and Its Impacts참고 문헌 12인용 수 200

한 줄 요약

이 논문은 브라우저 확장 기능에 통합된 자동 클릭베이트 탐지 시스템을 제안하며, 과장되거나 과도하게 자극적인 제목을 식별하고 사용자 설정에 따라 경고하거나 차단한다. 다양한 뉴스 사이트에서 실시한 오프라인 및 온라인 실험을 통해 시스템은 클릭베이트 탐지에 93%의 정확도와 개인화된 차단에 89%의 정확도를 달성한다.

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.

연구 동기 및 목표

• 온라인 뉴스 미디어의 과장되거나 자극적인 언어로 독자를 오도하는 클릭베이트 제목을 자동으로 탐지하기 위해.
• 사용자가 잠재적인 클릭베이트를 만났을 때 이를 경고할 수 있는 브라우저 확장 기능을 개발하기 위해.
• 사용자 설정에 기반해 원치 않는 클릭베이트 콘텐츠를 개인화된 방식으로 차단할 수 있도록 하기 위해.
• 다양한 뉴스 웹사이트에서 탐지 및 차단 메커니즘의 효과성을 평가하기 위해.
• 콘텐츠 약속을 이행하지 못하는 오해를 유도하는 제목에 노출되는 것을 줄여 사용자 경험을 향상시키기 위해.

제안 방법

• 시스템은 자연어 처리 기법을 사용하여 제목 텍스트를 분석하고, 감정적 언어, 호기심 유발 갭, 과장된 주장과 같은 클릭베이트와 관련된 언어적 신호를 탐지한다.
• 라벨이 부여된 제목 데이터셋을 기반으로 기계 학습 모델을 훈련시켜 제목이 클릭베이트인지 여부를 분류한다.
• 브라우저 확장 기능은 탐지 모델을 통합하여 사용자가 뉴스 사이트를 브라우징하는 동안 실시간으로 제목을 분석한다.
• 사용자는 특정 클릭베이트를 신고하거나 차단할 수 있으며, 시스템은 이러한 선택에서 학습하여 향후 방문 시 유사한 제목을 자동으로 차단한다.
• 개인화된 차단 행동을 사용자 개별 선호도에 기반해 개선하기 위해 피드백 루프를 구현한다.
• 다양한 미디어 사이트에서 오프라인 및 온라인 실험을 실시하여 탐지 및 차단 성능을 검증한다.

실험 결과

연구 질문

• RQ1 자동화된 시스템은 온라인 뉴스 미디어의 클릭베이트 제목을 얼마나 정확하게 탐지할 수 있는가?
• RQ2 브라우저 확장 기능은 실시간으로 잠재적으로 오도하는 클릭베이트 제목을 사용자에게 효과적으로 경고할 수 있는가?
• RQ3 사용자 피드백에 기반한 개인화된 차단이 원치 않는 클릭베이트에 대한 노출을 어느 정도 줄일 수 있는가?
• RQ4 다양한 뉴스 웹사이트와 콘텐츠 유형 간에 탐지 및 차단 성능는 어떻게 달라지는가?
• RQ5 사용자 주도 피드백은 시간이 지남에 따라 클릭베이트 차단 정확도 향상에 어떤 영향을 미치는가?

주요 결과

• 클릭베이트 탐지 시스템은 다양한 뉴스 사이트에서 과장된 제목을 식별하는 데 93%의 정확도를 달성한다.
• 사용자 선호도를 기반으로 학습하고 향후 방문 시 유사한 제목을 차단함으로써 개인화된 차단 메커니즘이 89%의 정확도를 달성한다.
• 브라우저 확장 기능은 실시간 브라우징 중 잠재적인 클릭베이트에 대해 사용자에게 성공적으로 경고한다.
• 사용자 주도 피드백은 시간이 지남에 따라 시스템이 원치 않는 콘텐츠를 차단하는 능력을 크게 향상시킨다.
• 시스템은 오프라인 및 온라인 평가 환경에서 다양한 온라인 뉴스 미디어 플랫폼에서 일관된 성능을 보인다.
• 자동 탐지와 사용자 개인화의 조합은 오해를 유도하는 제목에 대한 노출을 상당히 줄이는 데 기여한다.