論文の概要: Privacy Policy Question Answering Assistant: A Query-Guided Extractive
Summarization Approach
- arxiv url: http://arxiv.org/abs/2109.14638v1
- Date: Wed, 29 Sep 2021 18:00:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-02 10:44:17.501777
- Title: Privacy Policy Question Answering Assistant: A Query-Guided Extractive
Summarization Approach
- Title(参考訳): プライバシポリシ質問回答アシスタント:クエリガイドによる抽出要約アプローチ
- Authors: Moniba Keymanesh, Micha Elsner, Srinivasan Parthasarathy
- Abstract要約: 入力されたユーザクエリに応答して要約を抽出する自動プライバシポリシ質問応答アシスタントを提案する。
なぜなら、ユーザーはプライバシーに関する質問を、ポリシーの法的言語とは全く異なる言語で表現するからだ。
当社のパイプラインでは,プライバシQAデータセットのユーザクエリの89%に対して,回答を見つけています。
- 参考スコア(独自算出の注目度): 18.51811191325837
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing work on making privacy policies accessible has explored new
presentation forms such as color-coding based on the risk factors or
summarization to assist users with conscious agreement. To facilitate a more
personalized interaction with the policies, in this work, we propose an
automated privacy policy question answering assistant that extracts a summary
in response to the input user query. This is a challenging task because users
articulate their privacy-related questions in a very different language than
the legal language of the policy, making it difficult for the system to
understand their inquiry. Moreover, existing annotated data in this domain are
limited. We address these problems by paraphrasing to bring the style and
language of the user's question closer to the language of privacy policies. Our
content scoring module uses the existing in-domain data to find relevant
information in the policy and incorporates it in a summary. Our pipeline is
able to find an answer for 89% of the user queries in the privacyQA dataset.
- Abstract(参考訳): プライバシポリシをアクセス可能にする既存の作業では、リスク要因に基づいたカラーコーディングや、ユーザの意識的な合意を支援する要約といった、新たなプレゼンテーション形式が検討されている。
ポリシーとのよりパーソナライズされたインタラクションを容易にするため、本研究では、入力されたユーザクエリに応じて要約を抽出する自動プライバシーポリシー質問応答アシスタントを提案する。
これは、ユーザーがプライバシー関連の質問をポリシーの法的言語と全く異なる言語で明瞭に表現し、システムが調査を理解するのを困難にしているため、難しい課題である。
さらに、この領域の既存の注釈付きデータは制限されている。
我々は、ユーザの質問のスタイルと言語をプライバシーポリシーの言語に近づけるためにパラフレーズすることで、これらの問題に対処する。
我々のコンテンツスコアリングモジュールは、既存のドメイン内のデータを使用してポリシーの関連情報を見つけ、要約に組み込む。
当社のパイプラインでは、privacyqaデータセットで、ユーザクエリの89%に対する回答を見つけることができます。
関連論文リスト
- PAQA: Toward ProActive Open-Retrieval Question Answering [34.883834970415734]
本研究の目的は、ユーザクエリとドキュメントの両方に存在する固有の曖昧さを考慮し、関連性のある明確な質問を生成するという課題に取り組むことである。
本稿では,既存のAmbiNQデータセットの拡張であるPAQAを提案する。
次に,様々なモデルの評価を行い,経路探索があいまいさの検出と明瞭な質問の生成にどのように影響するかを評価する。
論文 参考訳(メタデータ) (2024-02-26T14:40:34Z) - Privacy-Preserving Language Model Inference with Instance Obfuscation [33.86459812694288]
言語モデル・アズ・ア・サービス(LM)は、開発者や研究者が事前訓練された言語モデルを使用して推論を行うための便利なアクセスを提供する。
入力データとプライベート情報を含む推論結果は、サービスコール中にプレーンテキストとして公開され、プライバシー上の問題が発生する。
本稿では,自然言語理解タスクにおける決定プライバシ問題に対処することに焦点を当てた,インスタンス・オブフルスケート推論(IOI)手法を提案する。
論文 参考訳(メタデータ) (2024-02-13T05:36:54Z) - Experts-in-the-Loop: Establishing an Effective Workflow in Crafting
Privacy Q&A [0.0]
プライバシポリシをプライバシ質問応答(Q&A)ペアに変換する動的ワークフローを提案する。
そこで我々は,法の専門家と会話デザイナーの学際的なコラボレーションを促進する。
提案するワークフローは,プライバシQ&Aの構築を通じて継続的改善と監視の基盤となる。
論文 参考訳(メタデータ) (2023-11-18T20:32:59Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳(メタデータ) (2023-10-22T16:14:56Z) - PLUE: Language Understanding Evaluation Benchmark for Privacy Policies
in English [77.79102359580702]
プライバシポリシ言語理解評価ベンチマークは,プライバシポリシ言語理解を評価するマルチタスクベンチマークである。
また、プライバシポリシの大規模なコーパスを収集し、プライバシポリシドメイン固有の言語モデル事前トレーニングを可能にします。
ドメイン固有の連続的な事前トレーニングは、すべてのタスクでパフォーマンスを改善することを実証します。
論文 参考訳(メタデータ) (2022-12-20T05:58:32Z) - Exploring Consequences of Privacy Policies with Narrative Generation via
Answer Set Programming [0.0]
プライバシポリシの形式化にAnswer Set Programming(ASP)を使用するフレームワークを提案する。
ASP.NETは、エンドユーザがアクターの観点からポリシーの結果を前方にシミュレートすることを可能にする。
本稿では,健康保険の可搬性と説明責任法(Health Insurance Portability and Accountability Act)の事例を通じて,様々な方法でシステムを利用する方法を紹介する。
論文 参考訳(メタデータ) (2022-12-13T16:44:46Z) - Retrieval Enhanced Data Augmentation for Question Answering on Privacy
Policies [74.01792675564218]
本研究では,ラベルのないポリシー文書から関連するテキストセグメントを抽出する検索モデルに基づくデータ拡張フレームワークを開発する。
拡張データの多様性と品質を改善するために,複数の事前学習言語モデル(LM)を活用し,ノイズ低減フィルタモデルでそれらをカスケードする。
PrivacyQAベンチマークの強化データを使用して、既存のベースラインを大きなマージン(10% F1)に高め、新しい最先端のF1スコアを50%達成します。
論文 参考訳(メタデータ) (2022-04-19T15:45:23Z) - Open-Retrieval Conversational Machine Reading [80.13988353794586]
会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。
既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。
本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
論文 参考訳(メタデータ) (2021-02-17T08:55:01Z) - PolicyQA: A Reading Comprehension Dataset for Privacy Policies [77.79102359580702]
既存のWebサイトプライバシポリシ115のコーパスから算出した,25,017の理解スタイルの例を含むデータセットであるPolicyQAを提案する。
既存の2つのニューラルQAモデルを評価し、厳密な分析を行い、ポリシQAが提供する利点と課題を明らかにする。
論文 参考訳(メタデータ) (2020-10-06T09:04:58Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-04T19:03:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。