人間と機械による学習を経て、人工知能モデルは、新たな研究によると、他のクリックベイト検出器を上回る性能を発揮できる。
さらに、この新しいAIベースのソリューションは、機械またはボットが生成した見出しと、人間が書いた見出しを見分けることもできたという。
ある研究では、研究者らは人々に、読者を別のオンラインストーリーへ誘導するよう設計された、興味をそそるが誤解を招く見出し、すなわち自分自身のクリックベイトを書くよう求めた。リンクをクリックしてもらうことを目的とした見出しである。研究者らはまた、機械に人工的なクリックベイトを生成させるようプログラムした。その後、研究者らは人間と機械が作成した見出しをデータとして用い、クリックベイト検出アルゴリズムを訓練した。
研究者らによると、その結果生まれたアルゴリズムがクリックベイトの見出しを予測する能力は、他のシステムより約14.5%優れていた。研究者らは研究結果を、2019年のIEEE/ACM社会ネットワーク分析の進展に関する国際会議で発表した。
アルゴリズムへのデータ供給
クリックベイトの検出にとどまらず、このチームの手法は一般に機械学習の性能向上に役立つ可能性があると、本プロジェクトの主任研究者であり、ペンシルベニア州立大学の情報科学技術学部准教授、同大学サイバーサイエンス研究所の関連研究者でもあるDongwon Lee氏は述べている。
「この結果は非常に興味深い。機械が生成したクリックベイトの学習データを学習パイプラインに戻すことで、さまざまな機械学習モデルの性能を向上させられることを実証できたからだ」とLee氏は述べている。
「これは、大量の高品質な学習データを必要とする教師あり機械学習の根本的なボトルネックに対処するための一歩である。」
情報科学技術学部の博士課程学生であるThai Le氏によると、クリックベイト検出の開発が直面する課題のひとつは、ラベル付きデータの不足である。人が学ぶために教師や学習ガイドが必要なのと同様に、AIモデルも正しい関連性や結びつきを学習するために、ラベル付けされたデータを必要とする。
「本プロジェクトを始めた際に分かったことのひとつは、肯定的なデータポイントが多くないということだ」とLe氏は述べている。「クリックベイトを特定するには、人間が学習データにラベルを付ける必要がある。肯定的なデータポイントの量を増やす必要があり、そうすることで後に、より優れたモデルを学習させられる。」
クリックベイトの探索
インターネット上でクリックベイトを見つけること自体は容易かもしれないが、その多様な形式がさらなる難しさを加えていると、メディア効果の教授であり、メディア効果研究所の共同所長でもあるS. Shyam Sundar氏は述べている。
「リスト形式、いわゆるリスティクルのクリックベイトもあれば、疑問形で書かれたものもあり、誰が・何を・どこで・いつ、で始まるものもある。長年の研究で特定してきた、その他のさまざまな種類のクリックベイトもある」とSundar氏は述べている。「そのため、これらすべての種類のクリックベイトについて十分な数のサンプルを見つけることは課題だ。世の中にクリックベイトが多すぎると皆で嘆いているが、実際にそれらを入手してラベルを付ける段階になると、そうしたデータセットは多くない。」
研究者らによると、本研究は、人間と機械が見出しを作成する際のアプローチの違いを明らかにしている。機械が生成したクリックベイトと比べると、人間が生成した見出しは、「which」「that」などの限定詞を、より多く含む傾向があった。
学習もまた、クリックベイトの作成に違いをもたらすようだ。例えば、ジャーナリストなど訓練を受けた書き手は、他の参加者と比べて、より長い単語やより多くの代名詞を使う傾向があった。ジャーナリストはまた、見出しを数字で始める傾向があった。
Sundar氏によると、研究者らは、これらの知見を、より堅牢なフェイクニュース検出システムへの調査や、その他の応用に役立てる予定だという。
「私たちにとって、クリックベイトはフェイクニュースを構成する多くの要素のひとつにすぎないが、本研究は、適切なクリックベイト検出システムを確実に整備するための有用な準備段階である」とSundar氏は述べている。
本研究のために人間のクリックベイト執筆者を集めるにあたり、研究者らは、ジャーナリズム専攻の学生と、オンラインのクラウドソーシングサイトであるAmazon Turkの作業者を募集した。このサイトから、学生125名と作業者85名を募集した。参加者はまずクリックベイトの定義を読み、その後、研究者らは短い記事（約500語）を読むよう求めた。その後、参加者に各記事についてクリックベイトの見出しを書くよう求めた。
機械が生成したクリックベイトの見出しは、Variational Autoencoder（VAE）と呼ばれる機械学習モデル、すなわち確率に基づいてデータ内のパターンを見つける生成モデルによって作成された。
研究者らは、オンラインのクリックベイト検出コンテストであるClickbait Challenge 2017の上位性能システムに対して、自らのアルゴリズムを検証した。
ペンシルベニア州立大学およびアリゾナ州立大学の他の研究者も本研究に貢献した。本研究は、全米科学財団、Oak Ridge Associated Universities、および海軍研究局の支援を受けた。
