本文讲述了 SemEval-2020 共享任务 “评估编辑新闻标题中的幽默”。任务的数据集包含应用了简短编辑使其有趣的新闻标题，这些编辑后的标题的有趣程度使用众包评级。该任务包括两个子任务，第一个是在 0-3 区间的幽默等级上估计标题的幽默程度。第二个子任务是为同一原始标题的一对编辑版本预测哪个更有趣。迄今为止，这是最受欢迎的共享计算幽默任务，吸引了 48 个团队参加第一个子任务和 31 个团队参加第二个子任务。

Aug, 2020

本文深入探讨了讽刺新闻标题的语法和语义结构，找到了制造幽默的关键词和概念，为构建制造幽默的系统提供了新的见解。

Jan, 2019

通过引入一款名为 FunLines 的竞争性游戏，玩家可以对新闻标题进行编辑，从而使它们更有趣。通过这个游戏，我们可以以很低的成本获得有用的幽默数据集，并通过该数据集培训幽默分类模型，从而达到优越的性能表现。

Feb, 2020

本研究提出了一种新的任务 —— 文体标语生成（SHG），通过将摘要和重构任务组合成一个多任务框架以及新颖的参数共享方案，为文摘添加了三个样式选项（幽默、浪漫和点击量讹诈），从而吸引更多读者。通过自动和人工评估，我们证明了 TitleStylist 可以生成具有幽默、浪漫和点击量诱导效果的标题。我们的模型生成的标题吸引力评分超过了现有技术的摘要模型 9.68％，甚至超过了人工编写的参考标题。

Apr, 2020

本文介绍了 NewsEdits 语料库，该语料库是公开可用的新闻文章修订历史数据集，包含超过 120 万篇文章、460 万个版本以及 7200 万个原子编辑，是目前任何领域修订历史的最大语料库。数据集跨越三个国家，包括 22 个英语和法语的报纸来源，横跨语言和学科，具有值得探索的潜力。

Apr, 2021

本文介绍了使用 TheOnion 和 HuffPost 两个新闻网站的头条新闻构建的包含两万八千条标题的数据集，其中包含了 13K 个讽刺标题，以辅助对 Twitter 数据噪声问题进行的讽刺检测研究，并探讨了数据集的潜在用途。

Sep, 2022

本文提供了一个包括 1.2 百万篇包括英法两种语言的新闻文章的数据集，并分析了这些文章的修改历史，发现添加和删除的句子更可能包含更新事件、主要内容和引用。此外，介绍了三项新任务以预测版本更新期间的操作，希望这些可以为新闻记者提供预测工具。

Jun, 2022

QuoteCSE 是一种对新闻文章引用的嵌入式对比学习框架，它基于正负样本的域驱动来识别新闻标题中的语境引用，从而提高报导的可信度。

Feb, 2023

本研究实验比较了十二种自动方法来选择最有趣的标题，结果表明，负面情感、以人为本和词汇中心性最能匹配最有趣的标题，其次是正面情感。这些结果有助于理解幽默，并在文本和多模（视觉 + 文本）系统中设计更加引人入胜的对话代理人。

Jun, 2015

本文旨在提高生成式摘要的真实性，在两个流行数据集上进行了标题生成的研究，发现总结存在虚假性，且虚假性的监督数据会导致模型行为不真实，通过二分类器过滤掉虚假数据并重新训练模型可以在不影响 ROUGE 分数的情况下提高摘要标题的真实性。

May, 2020