Exploration der Zusammenfassung zur Verbesserung der Überschriftsstellungserkennung

Die Verbreitung von Falschinformationen und Desinformation verursacht erhebliche Probleme für die Gesellschaft, teilweise deshalb, weil immer mehr Menschen nur Überschriften oder Highlights von Nachrichten lesen und voraussetzen, dass alles zuverlässig sei, anstatt sorgfältig zu prüfen, ob darin verzerrte oder falsche Informationen enthalten sein könnten. Insbesondere muss die Überschrift einer korrekt gestalteten Nachricht mit einer Zusammenfassung der zentralen Informationen dieser Nachricht übereinstimmen. Leider geschieht dies nicht immer, da verschiedene Interessen – wie die Steigerung der Klickzahlen oder politische Motive – hinter der Erstellung von Überschriften stehen können, die ihrem ursprünglichen Zweck nicht mehr entsprechen. In diesem Beitrag wird die Verwendung automatischer Nachrichtenzusammenfassungen analysiert, um die Haltung (d. h. die Position) einer Überschrift gegenüber dem zugehörigen Textkörper zu bestimmen. Hierfür schlagen wir einen zweistufigen Ansatz vor, bei dem Zusammenfassungstechniken als Eingabe für beide Klassifizierer verwendet werden, anstatt des gesamten Nachrichtentextes. Dadurch wird die Menge an zu verarbeitender Information reduziert, während gleichzeitig die relevanten Informationen erhalten bleiben. Die Experimente wurden anhand des Fake News Challenge FNC-1-Datensatzes durchgeführt und erreichten eine Genauigkeit von 94,13 %, was den Stand der Technik übertrifft. Besonders bemerkenswert ist, dass der vorgeschlagene Ansatz, der lediglich die relevanten Informationen aus automatischen Zusammenfassungen nutzt und nicht den vollständigen Text, die verschiedenen Haltungs-Kategorien mit sehr konkurrenzfähigen Ergebnissen klassifizieren kann. Daraus lässt sich schlussfolgern, dass die Verwendung automatischer extraktiver Zusammenfassungen einen positiven Einfluss auf die Bestimmung der Haltung sehr kurzer Informationen (z. B. Überschrift, Satz) gegenüber ihrem Gesamtinhalt hat.