|
--- |
|
language: |
|
- es |
|
size_categories: |
|
- n<1K |
|
task_categories: |
|
- summarization |
|
pretty_name: Resumen Noticias Clickbait |
|
dataset_info: |
|
features: |
|
- name: id |
|
dtype: int64 |
|
- name: summary |
|
dtype: string |
|
- name: headline |
|
dtype: string |
|
- name: prompt |
|
dtype: string |
|
- name: body |
|
dtype: string |
|
splits: |
|
- name: train |
|
num_bytes: 5389285 |
|
num_examples: 700 |
|
- name: validation |
|
num_bytes: 458718 |
|
num_examples: 50 |
|
- name: test |
|
num_bytes: 775135 |
|
num_examples: 100 |
|
download_size: 3407435 |
|
dataset_size: 6623138 |
|
configs: |
|
- config_name: default |
|
data_files: |
|
- split: train |
|
path: data/train-* |
|
- split: validation |
|
path: data/validation-* |
|
- split: test |
|
path: data/test-* |
|
tags: |
|
- summarization |
|
- clickbait |
|
- news |
|
--- |
|
|
|
<p align="center"> |
|
<img src="https://huggingface.co/datasets/Iker/NoticIA/resolve/main/assets/logo.png" style="width: 50%;"> |
|
</p> |
|
<h3 align="center">"NoticIA: Un Dataset para el Resumen de Artículos Clickbait en Español."</h3> |
|
|
|
Definimos un artículo clickbait como un artículo que busca atraer la atención del lector a través de la curiosidad. |
|
Para ello, el titular plantea una pregunta o una afirmación incompleta, sansacionalista, exagerada o engañosa. |
|
La respuesta a la pregunta generada en el titular, no suele aparecer hasta el final del artículo, la cual es precedida por una gran cantidad de contenido irrelevante. |
|
El objetivo es que el usuario entre en la web a través del titular y después haga scroll hasta el final del artículo haciéndole ver la mayor cantidad de publicidad posible. |
|
Los artículos clickbait suelen ser de baja calidad y no aportan valor al lector, más allá de la curiosidad inicial. Este fenómeno hace socavar la confianza del público en las fuentes de noticias. |
|
Y afecta negativamente a los ingresos publicitarios de los creadores de contenidos legítimos, que podrían ver reducido su tráfico web. |
|
|
|
Presentamos NoticIA, un conjunto de datos que consta de 850 artículos de noticias en español con titulares clickbait, |
|
cada uno emparejado con resúmenes generativos de alta calidad de una sola frase escritos por humanos. |
|
Esta tarea exige habilidades avanzadas de comprensión y resumen de texto, desafiando la capacidad de los modelos para inferir y |
|
conectar diversas piezas de información para satisfacer la curiosidad informativa del usuario generada por el titular clickbait. |
|
|
|
El proyecto está inspirado la cuenta de X/Twitter [@ahorrandoclick1](https://x.com/ahorrandoclick1). |
|
[@ahorrandoclick1](https://x.com/ahorrandoclick1) cuenta con 300.000 seguidores, lo que demuestra el gran valor de realizar resúmenes de noticias clickbait. |
|
Sin embargo, realizar estos resúmenes a mano, es una tarea muy laboriosa, y el número de noticias clickbait publicadas supera ampliante el número de resúmenes que |
|
una persona puede realizar. Por lo tanto, existe la necesidad de generar resúmenes automáticos de noticias clickbait. Además, como hemos mencionado anteriormente, se |
|
trata de una tarea ideal para analizar las capacidades de compresión de texto en español de un modelo de lenguaje. |
|
|
|
|
|
# Ejemplos de Noticias Clickbait |
|
|
|
La siguiente imágen muestra algunas noticias Clickbait extraídas de nuestro dataset. Como se puede ver, los titulares son altamente sensacionalistas, prometiendo al usuario una información que no cumple las expectivas, o que en algunos casos, ni siquiera existe. |
|
Estos artículos no cumplen ninguna función informatica, y su único objetivo es generar ingresos publicitarios con los lectores que se ven atraídos por un titular engañoso. |
|
|
|
|
|
<p align="center"> |
|
<img src="https://raw.githubusercontent.com/ikergarcia1996/NoticIA/main/assets/examples.png" style="width: 100%;"> |
|
</p> |
|
|
|
# Creación del dataset |
|
## Recopilación de Noticias Clickbait |
|
|
|
Hemos recopilado noticias clickbait usando la timeline del usuario de X/Twitter [@ahorrandoclick1](https://x.com/ahorrandoclick1). Para ello, hemos extraído |
|
las url de las noticias mencionadas por el usuario. Además, hemos añadido aproximadamente 100 noticias clibait escogidas por nosotros. La siguiente imágen, muestra |
|
la fuente de las noticias del dataset. |
|
|
|
<p align="center"> |
|
<img src="https://raw.githubusercontent.com/ikergarcia1996/NoticIA/main/assets/noticia_dataset.png" style="width: 50%;"> |
|
</p> |
|
|
|
Hemos clasificado cada una de las noticias en base a la categoría a la que pertenecen. Como se puede observar, nuestro dataset incluye una gran variedad de categorías. |
|
|
|
<p align="center"> |
|
<img src="https://raw.githubusercontent.com/ikergarcia1996/NoticIA/main/assets/categories_distribution_spanish.png" style="width: 50%;"> |
|
</p> |
|
|
|
## Anotación del dataset |
|
|
|
Aunque [@ahorrandoclick1](https://x.com/ahorrandoclick1) reliza resúmenes de las noticias clickbat, estos resúmenes no siguen unas guidelines, y en muchos casos, |
|
su resumen no hace referencia al texto, si no que son del estilo *"Esto es publicidad"*, *"Aún no se han enterado de que..."*. Por lo tanto, hemos generado |
|
a mano el resumen de las 850 noticias. Para ello, hemos definido unas guidelines de anotación estrictas, disponibles en el siguiente enlace: [https://huggingface.co/spaces/Iker/ClickbaitAnnotation/blob/main/guidelines.py](https://huggingface.co/spaces/Iker/ClickbaitAnnotation/blob/main/guidelines.py). |
|
El dataset ha sido anotado por [Iker García-Ferrero](https://ikergarcia1996.github.io/Iker-Garcia-Ferrero/) y [Begoña Altuna](https://www.linkedin.com/in/bego%C3%B1a-altuna-78014139), en este proceso se han invertido aproximadamente 40 horas. |
|
|
|
# Formato de los datos |
|
|
|
El dataset se encuentra listo para ser usado para evaluar modelos de lenguaje. Para ellos, hemos desarrollado un *prompt* que hace uso del titular de la noticia y el texto. |
|
El prompt es el siguiente: |
|
```python |
|
def clickbait_prompt( |
|
headline: str, |
|
body: str, |
|
) -> str: |
|
""" |
|
Generate the prompt for the model. |
|
Args: |
|
headline (`str`): |
|
The headline of the article. |
|
body (`str`): |
|
The body of the article. |
|
Returns: |
|
`str`: The formatted prompt. |
|
""" |
|
return ( |
|
f"Ahora eres una Inteligencia Artificial experta en desmontar titulares sensacionalistas o clickbait. " |
|
f"Tu tarea consiste en analizar noticias con titulares sensacionalistas y " |
|
f"generar un resumen de una sola frase que revele la verdad detrás del titular.\n" |
|
f"Este es el titular de la noticia: {headline}\n" |
|
f"El titular plantea una pregunta o proporciona información incompleta. " |
|
f"Debes buscar en el cuerpo de la noticia una frase que responda lo que se sugiere en el título. " |
|
f"Responde siempre que puedas parafraseando el texto original. " |
|
f"Usa siempre las mínimas palabras posibles. " |
|
f"Recuerda responder siempre en Español.\n" |
|
f"Este es el cuerpo de la noticia:\n" |
|
f"{body}\n" |
|
) |
|
``` |
|
|
|
|
|
El output experado del modelo es el resúmen. A continuación, se muestra un ejemplo de como evaluar `gemma-2b` en nuestro dataset: |
|
``` |
|
from transformers import pipeline |
|
from datasets import load_dataset |
|
|
|
generator = pipeline(model="google/gemma-2b-it",device_map="auto") |
|
dataset = load_dataset("somosnlp/Resumen_Noticias_Clickbait",split="test") |
|
|
|
outputs = generator(dataset[0]["prompt"], return_full_text=False,max_length=4096) |
|
print(outputs) |
|
``` |
|
|
|
El dataset incluye los siguientes campos: |
|
- **ID**: id del ejemplo |
|
- **summary**: Resumen escrito por un humano |
|
- **prompt**: Prompt listo para servir de input a un modelo de lenguaje |
|
- **headline**: Titular del artículo |
|
- **body**: Texto del artículo, obtenido del HTML. |
|
|
|
## Datos en formato RAW |
|
Los datos en formato RAW se cuentran en el siguiente repositorio [Iker/NoticIA](https://huggingface.co/datasets/Iker/NoticIA) |
|
|
|
|
|
# Usos del dataset |
|
Este dataset ha sido recopilado para su uso en investigación científica. Concretamente, para su uso en la evaluación de modelos de lenguaje en Español. |
|
El uso comercial de este dataset está supedidado a las licencias de cada noticia y medio. Si quieres hacer un uso comercial del dataset tendrás que tener |
|
el permiso expreso de los medios de los cuales han sido obtenidas las noticias. Prohibimos expresamente el uso de estos datos para dos casos de uso que consideramos |
|
que pueden ser perjudiciales: El entrenamiento de modelos que generen titulares sensacionalistas o clickbait, y el entrenamiento de modelos que generen artículos o noticias de forma automática. |
|
|
|
|
|
# Dataset Description |
|
- **Author:** [Iker García-Ferrero](https://ikergarcia1996.github.io/Iker-Garcia-Ferrero/) |
|
- **Author** [Begoña Altuna](https://www.linkedin.com/in/bego%C3%B1a-altuna-78014139) |
|
- **Web Page**: [Github](https://github.com/ikergarcia1996/NoticIA) |
|
- **Language(s) (NLP):** Spanish |
|
|
|
|
