• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Intelligence: The International Journal of Artificial Intelligence, Neural Networks, and Complex Problem-Solving Technologies >Hybridizing metric learning and case-based reasoning for adaptable clickbait detection
【24h】

Hybridizing metric learning and case-based reasoning for adaptable clickbait detection

机译：杂交的公制学习和基于案例的适应性单击性检测的推理

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The term clickbait is usually used to name web contents which are specifically designed to maximize advertisement monetization, often at the expense of quality and exactitude. The rapid proliferation of this type of content has motivated researchers to develop automatic detection methods, to effectively block clickbaits in different application domains. In this paper, we introduce a novel clickbait detection method. Our approach leverages state-of-the-art techniques from the fields of deep learning and metric learning, integrating them into the Case-Based Reasoning methodology. This provides the model with the ability to learn-over-time, adapting to different users' criteria. Our experimental results also evidence that the proposed approach outperforms previous clickbait detection methods by a large margin.
机译：术语ClickBait通常用于命名专门设计用于最大化广告货币化的Web内容，通常以质量和精密为代价。 这种类型的内容的快速增殖具有动力研究人员来开发自动检测方法，以有效地阻止不同应用域中的ClickBait。 在本文中，我们介绍了一种新颖的点击条检测方法。 我们的方法利用了深度学习和度量学习领域的最先进的技术，将它们集成到基于案例的推理方法中。 这提供了具有学习的能力的模型，适应不同的用户标准。 我们的实验结果还证明了所提出的方法优于以前的单击措施通过大的余量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号