[논문 리뷰] Helping News Editors Write Better Headlines: A Recommender to Improve the Keyword Contents & Shareability of News Headlines

Terrence Szymanski, Claudia Orellana-Rodriguez외 1명|arXiv (Cornell University)|2017. 05. 26.

Topic Modeling참고 문헌 9인용 수 7

한 줄 요약

이 논문은 NLP와 기계학습을 활용하여 검색 최적화(SEO)를 위한 핵심 키워드 식별과 소셜 미디어 공유 가능성 예측을 통해 뉴스 기사의 노출도를 향상시키는 헤드라인 추천 시스템을 제안한다. 이 도구는 키워드의 관련성과 인기도를 기반으로 순위를 매기며, 가시성을 높이기 위해 색상으로 구분하고, 토론과 페이스북에서의 잠재적 번영도를 점수화하여 검색 성능과 참여도를 모두 향상시킨다.

ABSTRACT

We present a software tool that employs state-of-the-art natural language processing (NLP) and machine learning techniques to help newspaper editors compose effective headlines for online publication. The system identifies the most salient keywords in a news article and ranks them based on both their overall popularity and their direct relevance to the article. The system also uses a supervised regression model to identify headlines that are likely to be widely shared on social media. The user interface is designed to simplify and speed the editor's decision process on the composition of the headline. As such, the tool provides an efficient way to combine the benefits of automated predictors of engagement and search-engine optimization (SEO) with human judgments of overall headline quality.

연구 동기 및 목표

• SEO와 소셜 미디어 참여도 예측을 통합하여 뉴스 에디터가 더 효과적인 온라인 헤드라인을 작성하는 데 도움을 주기 위해.
• 자동 키워드 추천과 인간 에디터의 판단 간 균형을 맞춰 헤드라인 품질을 향상시키기 위해.
• 검색 엔진과 소셜 미디어 성능에 맞춰 헤드라인을 조율함으로써 온라인 노출도와 독자 수를 향상시키기 위해.
• 편집적 판단을 대체하지 않고도 가시성과 번영도를 모두 고려해 헤드라인을 최적화할 수 있도록 뉴스룸을 지원하기 위해.

제안 방법

• 뉴스 기사 본문에서 명시적 실체와 핵심 어휘를 추출하기 위해 NLP를 사용한다.
• 지역 빈도와 글로벌 SEO 인기도를 조합한 가중치 점수를 각 키워드에 계산한다.
• 언어적 및 정서적 특징을 기반으로 헤드라인의 토론 및 페이스북 공유 가능성을 예측하기 위해 지도 학습 회귀 모델을 활용한다.
• 키워드가 헤드라인에 포함되어 있으면 녹색으로, 포함되어 있지 않으면 빨간색으로 색상 표시하며, 글자 크기로 중요도를 나타낸다.
• 입력 모드(기사 입력 및 분석용)와 평가 모드(헤드라인 평가용)를 갖춘 이중 모드 인터페이스에 실시간 분석을 통합한다.
• 뉴스 아카이브와 소셜 미디어 트렌드에서 유래한 정적 키워드 데이터베이스를 활용하며, 향후 실시간 업데이트가 가능한 동적 업데이트 계획이 수립되어 있다.

실험 결과

연구 질문

• RQ1 자동화된 키워드 순위 매기기와 공유 가능성 예측을 융합한 하이브리드 시스템이 온라인 뉴스의 헤드라인 효과성을 향상시킬 수 있는가?
• RQ2 시스템이 추천하는 키워드가 인간 에디터가 선택한 키워드와 어느 정도 일치하는가?
• RQ3 헤드라인 특징을 기반으로 기계학습이 소셜 미디어 번영도를 얼마나 잘 예측할 수 있는가?
• RQ4 키워드 추천 사용과 SEO 성능 향상 및 독자 수 증가 사이에 상관관계가 존재하는가?

주요 결과

• 분석한 3,000개의 아이리시 타임스 헤드라인 중 64%가 시스템이 추천한 상위 5개 키워드 중 2개 이상을 포함하고 있어 인간 에디터의 선택과 강한 일치를 보였다.
• 헤드라인의 88%가 상위 5개 추천 키워드 중 하나 이상을 포함하여 시스템의 편집 실천에 대한 관련성이 높다는 것을 확인했다.
• 구글 뉴스(아일랜드 편집판)에 등재된 기사들은 등재되지 않은 기사보다 거의 두 배 많은 페이지 뷰(1,665.5 대 892.4)를 기록하여 가시성과 독자 수 사이에 강한 상관관계가 있음을 시사했다.
• 시스템의 공유 가능성 예측 모델은 널리 공유될 가능성이 높은 헤드라인을 성공적으로 식별하여 전략적 소셜 미디어 타겟팅을 뒷받침했다.
• 인터페이스의 주요 기능인 색상 표시와 글자 크기 조절 기능이 전문 에디터 대상 사용성 테스트에서 긍정적인 평가를 받았다.
• 한계점으로는 공통 참조(예: Taioseach와 Enda Kenny)를 해결하지 못해, NLP 파이프라인 내에서의 공통 참조 해결 기술 향상 필요성을 드러냈다.