論文の概要: SAGE: A Context-Aware Approach for Mining Privacy Requirements Relevant Reviews from Mental Health Apps

• arxiv url: http://arxiv.org/abs/2507.09051v1
• Date: Fri, 11 Jul 2025 21:53:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:22.174203
• Title: SAGE: A Context-Aware Approach for Mining Privacy Requirements Relevant Reviews from Mental Health Apps
• Title（参考訳）: SAGE:メンタルヘルスアプリのプライバシ要件をマイニングするためのコンテキスト認識アプローチ
• Authors: Aakash Sorathiya, Gouri Ginde,
• Abstract要約: メンタルヘルス(MH)アプリは、メンタルウェルネスのニーズに合わせてサービスをカスタマイズするために、敏感なユーザーデータを必要とすることが多い。 この研究は、MHアプリから自動的にプライバシーレビューをマイニングするコンテキスト認識アプローチであるSAGEを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental health (MH) apps often require sensitive user data to customize services for mental wellness needs. However, such data collection practices in some MH apps raise significant privacy concerns for users. These concerns are often mentioned in app reviews, but other feedback categories, such as reliability and usability, tend to take precedence. This poses a significant challenge in automatically identifying privacy requirements-relevant reviews (privacy reviews) that can be utilized to extract privacy requirements and address users' privacy concerns. Thus, this study introduces SAGE, a context-aware approach to automatically mining privacy reviews from MH apps using Natural Language Inference (NLI) with MH domain-specific privacy hypotheses (provides domain-specific context awareness) and a GPT model (eliminates the need for fine-tuning). The quantitative evaluation of SAGE on a dataset of 204K app reviews achieved an F1 score of 0.85 without any fine-tuning, outperforming the fine-tuned baseline classifiers BERT and T5. Furthermore, SAGE extracted 748 privacy reviews previously overlooked by keyword-based methods, demonstrating its effectiveness through qualitative evaluation. These reviews can later be refined into actionable privacy requirement artifacts.
• Abstract（参考訳）: メンタルヘルス(MH)アプリは、メンタルウェルネスのニーズに合わせてサービスをカスタマイズするために、敏感なユーザーデータを必要とすることが多い。 しかし、一部のMHアプリのデータ収集プラクティスは、ユーザにとって重大なプライバシー上の懸念を引き起こす。 これらの懸念はしばしばアプリレビューで言及されるが、信頼性やユーザビリティといった他のフィードバックカテゴリが優先される傾向にある。 これは、プライバシ要求に関連するレビュー(プライバシレビュー)を自動的に識別し、プライバシ要件を抽出し、ユーザのプライバシ懸念に対処する上で、大きな課題となる。 そこで本研究では,自然言語推論(NLI)とドメイン固有のプライバシ仮説(ドメイン固有のコンテキスト認識を提供する)とGPTモデル(微調整の必要性を解消する)を用いて,MHアプリから自動的にプライバシレビューをマイニングするコンテキスト認識アプローチであるSAGEを紹介した。 204Kアプリレビューのデータセット上でのSAGEの定量的評価は、微調整なしでF1スコアが0.85となり、細調整されたベースライン分類器BERTとT5を上回った。 さらに、SAGEはキーワードベースの手法で見落とされた748のプライバシレビューを抽出し、質的評価によってその効果を実証した。 これらのレビューは後に、アクション可能なプライバシー要件アーティファクトに洗練される。

関連論文リスト

• SENSOR: An ML-Enhanced Online Annotation Tool to Uncover Privacy Concerns from User Reviews in Social-Media Applications [0.0]
  本稿では,SENtinel SORt (SENSOR)について紹介する。 Google Play Storeで人気の高い7つのソーシャルメディアアプリからの16万のユーザーレビューが分析された。 GRACEはクラス不均衡にもかかわらず最高の性能(マクロF1スコア: 0.9434、マクロROC-AUC: 0.9934、精度: 95.10%)を示した。
  論文  参考訳（メタデータ） (2025-07-14T14:58:04Z)
• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• Beyond Keywords: A Context-based Hybrid Approach to Mining Ethical Concern-related App Reviews [0.0]
  倫理的懸念に関連するアプリケーションレビューは一般的にドメイン固有の言語を使用し、より多様な語彙を使って表現される。 本研究では、自然言語推論(NLI)とデコーダ限定(LLaMAライク)大規模言語モデル(LLM)を組み合わせて、倫理的関心事に関するアプリレビューを大規模に抽出する、新しい自然言語処理(NLI)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-11T22:08:48Z)
• PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
  PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。 プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。 GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
  論文  参考訳（メタデータ） (2024-08-29T17:58:38Z)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• Little Data, Big Impact: Privacy-Aware Visual Language Models via Minimal Tuning [16.272314073324626]
  我々は、最先端のビジュアル・アズ・ランゲージ・モデル(VLM)を評価し、視覚的プライバシの理解における限界を特定する。 これを解決するために,PrivBench-HとPrivTuneという2つのコンパクトで高品質なベンチマークを導入する。 我々は、GPT-4を越えながら、他のタスクの強い性能を維持しながら、全てのベンチマークで実質的なゲインを得る。
  論文  参考訳（メタデータ） (2024-05-27T17:59:25Z)
• In Pursuit of Privacy: The Value-Centered Privacy Assistant [2.995126929132991]
  スマートフォン価値中心プライバシアシスタント(VcPA)のプロトタイプの開発 VcPAは個人の価値観に基づいたユーザのプライバシ決定を促進する。 VcPAがユーザに対して,より価値中心のアプリ選択を支援する,という概念実証を確立します。
  論文  参考訳（メタデータ） (2023-08-10T17:04:12Z)
• ChatGPT for Us: Preserving Data Privacy in ChatGPT via Dialogue Text Ambiguation to Expand Mental Health Care Delivery [52.73936514734762]
  ChatGPTは人間のような対話を生成する能力で人気を集めている。 データに敏感なドメインは、プライバシとデータ所有に関する懸念から、ChatGPTを使用する際の課題に直面している。 ユーザのプライバシーを守るためのテキスト曖昧化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T02:09:52Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• Mining User Privacy Concern Topics from App Reviews [10.776958968245589]
  アプリストアのアプリレビューを通じて、プライバシー上の懸念を訴えるユーザーが増えている。 プライバシーに関する懸念をユーザーレビューから効果的に掘り下げる主な課題は、プライバシーに関する懸念を表すレビューが、より一般的なテーマや騒々しいコンテンツを表す多くのレビューによって過大評価されているという事実にある。 本研究では,この課題を克服するための新しい自動化手法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T08:07:27Z)
• No Free Lunch in "Privacy for Free: How does Dataset Condensation Help Privacy" [75.98836424725437]
  データプライバシを保護するために設計された新しい手法は、慎重に精査する必要がある。 プライバシ保護の失敗は検出し難いが,プライバシ保護法を実装したシステムが攻撃された場合,破滅的な結果につながる可能性がある。
  論文  参考訳（メタデータ） (2022-09-29T17:50:23Z)
• How Much User Context Do We Need? Privacy by Design in Mental Health NLP Application [33.3172788815152]
  テキストからのメンタルヘルスアセスメントなどの臨床的タスクは、社会的制約を考慮に入れなければならない。 本稿では,ユーザ履歴長と差分プライバシー予算を並べた最初の分析を行い,ユーザコンテキストのモデリングによってユーティリティの保存を実現する方法について詳しく述べる。
  論文  参考訳（メタデータ） (2022-09-05T15:41:45Z)

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。