Mar, 2024

用于标识潜在有害软件的最终用户许可协议的文本分析

PDF
TL;DR使用文本摘要和集成学习方法，我们提出了一种能够对终端用户许可协议（EULA）进行摘要和分类的解决方案，其中我们提取了不同软件的 EULA 文本，然后使用八种有监督的分类器对文本进行分类。该方法的准确率为 95.8% 表明了其有效性。
end user license agreementseulatext summarizationclassificationensemble learning
发现论文，激发创造
  • 合同的简明英文概述

    该研究旨在以简单易懂的语言对单方面合同，如使用条款等，进行摘要，以帮助用户更好地理解他们正在接受的条款，并呼吁资源和技术的开发以简化和转换法律语言。

    Jun, 2019

  • 不同意见

    介绍了一种机器学习技术，用于自动解析和总结用户友好的方式中的重要信息，以便用户在提交协议之前考虑。

    Sep, 2023

  • 法律文档摘要评估框架

    本研究提出了一种基于意图的自动摘要度量，通过在法律文件中注释意图短语，证明了该系统可以被自动化，相比于其他自动化度量如 BLEU，ROUGE-L 等，该度量在人类满意度方面表现更好。

    May, 2022

  • 基于文本规范化的印度法律文本摘要方法

    该研究提出了一种在印度法律文本中标准化文本的方法，并测试了两种最先进的专业无关模型用于法律文本摘要。通过领域专家的评估和 ROUGE 指标的使用，结果表明所提出的文本标准化方法在专业无关模型中的效果很好。

    Jun, 2022

  • 摘要评分的通用规避攻击

    本研究针对自动摘要的评分问题进行了机器学习和逃避攻击，发现当前自动评分系统的鲁棒性较低，需要进一步改进。

    Oct, 2022

  • 将领域知识整合到法律案例提取式摘要中

    提出了一种基于领域知识的无监督算法 DELSumm 来实现自动化法律文书摘要，该算法在印度最高法院的案例文件上的实验表明，该算法在 ROUGE 分数方面优于多个强基线，包括基于通用算法和专业法律算法，尽管该算法没有监督学习，但胜过了多个训练了数千个文件摘要对的监督式算法模型。

    Jun, 2021

  • 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

  • MALSIGHT：迭代二进制恶意软件摘要分析研究

    用于二进制恶意软件总结的 MALSIGHT 框架使用大型语言模型生成恶意软件的描述，通过迭代输入伪代码函数到 MalT5 模型来获得总结，同时引入了新的评估指标 BLEURT-sum。

    Jun, 2024

  • 不公平的服务条款：使用定制的 BERT 的自动化方法

    通过 Fine-tuning BERT 与 SVC 的集成，本研究论文展示了对 ToS 文件中不公平条款的最新技术结果，展示了 0.922 的不公平条款检测宏 F1 得分，并在每个标签的不公平条款分类中也表现出卓越的性能。同时，通过回答关于所使用的 Transformer 模型的研究问题进行了比较分析。

    Jan, 2024

  • 针对不公平 ToS 条款检测的攻击：一个使用通用对抗性触发器的案例研究

    本文研究证明基于 Transformer 的服务条款分析系统容易受到对抗攻击，微小的文本扰动可以显著降低检测性能。此外，人类评估研究表明触发器的自然性对欺骗读者至关重要。

    Nov, 2022