クリックベイト検出：最大のインパクトを得るための高速推論

Abstract

本研究では、OpenAIのセマンティック埋め込みと、文体的・情報的手がかりを捉える6つのコンパクトなヒューリスティック特徴量を組み合わせた、軽量なハイブリッド手法によるクリックベイト検出を提案する。効率を向上させるために、埋め込みはPCAで次元削減し、XGBoost、GraphSAGE、GCNの各分類器で評価する。特徴設計を簡略化したことによりF1スコアがわずかに低下する一方で、グラフベースのモデルは、推論時間を大幅に削減しつつ競争力のある性能を達成する。さらに、高いROC--AUC値は識別能力の強さを示しており、異なる決定閾値のもとでもクリックベイト見出しを信頼性高く検出できることを裏付けている。