COLINGFeb, 2024

EROS: 实体驱动的受控策略文档摘要

PDF
TL;DR通过使用受控抽象化摘要方法，我们提出了一种增强政策文件可解释性和可读性的方法，该方法强制要求生成的摘要中包括关键的与隐私有关的实体（如数据和媒介）以及组织收集这些实体的依据（如目标和原因）。我们开发了一个标有隐私相关实体标签的政策文件摘要数据集 PD-Sum。通过基于跨度的实体提取模型 EROS 以及近端策略优化（PPO）来控制摘要的信息内容，比较结果显示相对于各种基准模型，我们提出的模型 EROS 能够得到鼓舞人心的改进。此外，我们提供了定性和人工评估以证明 EROS 的有效性。
发现论文，激发创造
  • EntSUM：面向实体的摘要数据集

    该研究提出了一个面向实体的可控摘要任务，并介绍了一个名为 EntSUM 的人工注释数据集，证明了现有的可控摘要方法无法生成实体为中心的摘要，提出了一种方法来改善此问题。

    Apr, 2022

  • 使用机器学习方法的隐私政策文件摘录文本自动化总结

    本研究使用两种不同的聚类算法（K 均值聚类和预定义质心聚类）展示了两个隐私政策摘要模型。在评估了十种常用聚类算法后，选择了 K 均值作为第一个模型的聚类算法。基于预定义质心聚类算法的摘要模型通过欧氏距离将每个句子与预定义簇中心进行分离来摘要隐私政策文档。摘要模型的簇中心是根据《通用数据保护条例》中 14 个必须包含在任何隐私声明中的主题进行定义。在两种评估方法（平方距离和 ROUGE）中，预定义质心模型的性能优于 K 均值模型（分别提高了 27% 和 24%）。这一结果与 K 均值模型在运行特定任务评估之前对句子向量的一般聚类效果更好形成对比，表明在无监督机器学习模型上应用特定任务的精调措施的有效性。本文实施的摘要机制展示了一种高效提取隐私政策文档中应包含的重要句子的思路。这些摘要模型可以进一步发展为测试隐私政策文档的《通用数据保护条例》（或任何数据隐私法规）合规性的应用。

    Apr, 2024

  • 使用真实语料库进行数据实践的自动检测和分析

    我们提出了一种自动化的方法来识别和可视化不同细节级别的隐私政策中的数据实践，通过利用 ToS;DR 平台的众包注释，我们尝试使用各种方法将政策摘录与预定义的数据实践描述相匹配，进一步进行了一个案例研究来评估我们的方法在真实政策上的有效性，实验表明我们的方法准确匹配了数据实践描述和政策摘录，为用户呈现了简化的隐私信息。

    Feb, 2024

  • 揭开晦涩法律用语的面纱：自动化方法用于隐私政策和服务条款的摘要和重叠分析

    我们的研究致力于通过开发语言模型来为合同和政策文件提供自动化、易于理解的摘要和分数，以增强用户理解，促进知情决策。我们在数据集上比较了基于 Transformer 和传统模型，RoBERTa 整体表现更好，达到了 0.74 的 F1 分数。利用我们表现最佳的模型 RoBERTa，我们通过识别 GDPR 文件的重叠部分突出了冗余和潜在的指导方针违规情况，强调了对更严格 GDPR 合规性的必要性。

    Apr, 2024

  • 隐私政策问答的检索增强数据增强技术

    本文通过集成检索模型和利用多个预训练语言模型及去噪防护，开发了一种新型数据增强框架，以捕获未标记的策略文件中的相关文本段，并扩展训练集中的正面示例。使用此增强数据，该研究在 PrivacyQA 基准测试中将现有水平提高了 10% F1，实现了 50% 的新水平。（其中，F1 是一种综合度量，用于评估二元分类器的准确性。）

    Apr, 2022

  • 神经抽象总结的实体通识表示

    本文研究了使用链接实体以指导神经文本摘要器生成简洁更好摘要的方法，并提出了 Entity2Topic (E2T) 方法。通过 E2T 应用于基于 Aufmerksamkeit 机制的简单序列到序列模型，在 Gigaword 和 CNN 摘要数据集上至少获得 2 个 ROUGE 点的显著性能提升。

    Jun, 2018

  • 实体概述：现状和未来挑战

    本文综述了实体摘要技术的最新研究进展，探讨了现有方法的技术特征和框架，同时提出了未来研究方向。

    Oct, 2019

  • SPEER：通过嵌入式实体检索进行长临床摘要的句子级规划

    通过训练较小的编码器模型预测显著实体，使用 SPEER 进行句子级规划以增强摘要的内容涵盖度和准确性。

    Jan, 2024

  • 通过实体覆盖控制提高抽象摘要的忠实度

    本文提出了一种使用 “实体覆盖控制（Entity Coverage Control，ECC）” 方法来解决预训练语言模型产生的 “幻觉（hallucinate）” 现象的方案，该方法不仅更好地保持了上下文的内容准确性，而且在使用大量噪声数据进行中间优调（intermediate fine-tuning）时，还可以解决无需监督的情况下的提要抽象生成（zero-shot summarization）问题，并证明了该方法在三个不同领域和风格的基准数据集上比其他方法更为有效和鲜明。

    Jul, 2022

  • PolicyQA：一份隐私政策阅读理解数据集

    提出 PolicyQA，用于针对现有隐私政策发布的 25,017 个阅读理解问题的数据集，包括 714 个针对隐私实践的人工标注问题，并评估了两种现有的神经问答模型并进行了严格的分析。

    Oct, 2020