論文の概要: SHIP: Structured and Hierarchical Insight with Privacy

• arxiv url: http://arxiv.org/abs/2610.21048v1
• Date: Thu, 15 Oct 2026 00:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.112788
• Title: SHIP: Structured and Hierarchical Insight with Privacy
• Title（参考訳）: ShiP: プライバシによる構造化された階層的な洞察
• Abstract要約: 我々は、分析クエリに応答するための再利用可能な表現として、微分プライベート(DP)の洞察を定式化する。 この情報を取得するために、構造化および階層型プライバシによる洞察(SHIP)を導入する。 ShiPはクエリを属性に自動的にマッピングし、階層的なハイブリッド分類を構築し、さらなる分析のためにDP合成テーブルをリリースする。
• 参考スコア（独自算出の注目度）: 36.77687644357047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Extracting insights from textual data while protecting user privacy is increasingly important. Existing methods produce private insights in diverse forms for different analytical purposes, making their utility difficult to assess and compare. In this work, we formulate differentially private (DP) insights as reusable representations for answering analytical queries, providing a common basis for utility assessment. Answering these queries, however, requires fine-grained details and cross-attribute statistics that existing representations may omit. To capture this information, we introduce Structured and Hierarchical Insight with Privacy (SHIP), which automatically maps queries to attributes, builds a hierarchical hybrid taxonomy, and releases a DP synthetic table for further analysis. We also develop an evaluation protocol based primarily on QA performance and structured fidelity. Our experiments demonstrate SHIP's strong performance on both measures relative to existing private insight baselines, while identifying queries that remain challenging for structured representations.
• Abstract（参考訳）: ユーザのプライバシーを保護しながら、テキストデータから洞察を抽出することがますます重要になっている。 既存の手法は、様々な分析目的のために様々な形態の個人的洞察を生み出すため、それらの実用性を評価・比較することが困難である。 本研究では、分析クエリに応答する再利用可能な表現として、微分プライベート(DP)の洞察を定式化し、ユーティリティアセスメントの共通基盤を提供する。 しかし、これらのクエリに答えるには、既存の表現が省略される可能性のある詳細な詳細とクロス属性の統計が必要である。 この情報を取得するために、我々は、クエリを属性に自動的にマッピングし、階層的なハイブリッド分類を作成し、さらなる分析のためにDP合成テーブルをリリースする構造的および階層的プライバシ付き洞察(SHIP)を導入する。 また、主にQA性能と構造化忠実度に基づく評価プロトコルを開発した。 提案実験では,既存の私的インサイトベースラインと比較して, ShiP の強い性能を示すとともに,構造化表現に難解なクエリを同定する。

関連論文リスト

• Controlled Attribute-Specific Summarization of Interrogative Dialogues [12.676613150397323]
  CASPER(Chain-of-Thought Attribute-Specific Prompting for Evaluative Summarization framework)を紹介する。 我々は、構造化されたプロンプトと反復的な改善を用いて、尋問者-知性相互作用の高品質な要約を生成する。 我々の発見は、ハイテイクドメインにおける制御された要約の可能性を強調し、AI駆動の法医学的インテリジェンスへの道を開いた。
  論文  参考訳（メタデータ） (2026-09-23T12:32:28Z)
• Personalized Deep Research: A User-Centric Framework, Dataset, and Hybrid Evaluation for Knowledge Discovery [36.57361069825463]
  動的ユーザコンテキストをコア検索・推論ループに統合するPDR(Personalized Deep Research)を導入する。 PDRは、ユーザープロファイルモデリングを反復的なクエリ開発、二重ステージ(プライベート/パブリック)検索、コンテキスト認識合成と統合する。 これにより、研究サブゴールとユーザの意図を自律的に調整し、エビデンス収集の停止基準を最適化することができる。
  論文  参考訳（メタデータ） (2026-05-11T13:14:54Z)
• SoK: Practical Aspects of Releasing Differentially Private Graphs [20.29082580927169]
  グラフデータは、分析的な価値を提供するが、プライバシの懸念を高めるために、ドメイン間でますます広まっている。 グラフに差分プライバシーを適用することは、複雑なリレーショナル構造のため難しい。 既存のメソッドは、プライバシ定義、ユーティリティ目標、コンテキスト設定によって異なり、比較が複雑になる。 本稿では,実践的考察に適合し,多様な実践目的に適応する既存の手法の体系化を提案する。
  論文  参考訳（メタデータ） (2026-03-19T11:30:59Z)
• OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive [50.468138755368805]
  オピオイド危機は公衆衛生にとって重要な瞬間である。 UCSF-JHU Opioid Industry Documents Archive(OIDA)に公開されているデータと文書 本稿では,文書属性に応じて元のデータセットを整理することで,この問題に対処する。
  論文  参考訳（メタデータ） (2025-11-13T03:27:32Z)
• Differentially Private Explanations for Clusters [16.217435153209752]
  本稿では,ブラックボックスクラスタリング結果の説明を提供するフレームワークであるDPClustXについて述べる。 我々は,DPClustXを実データ上で実験的に解析し,厳密なプライバシー制約下であっても洞察に富んだ正確な説明を提供することを示した。
  論文  参考訳（メタデータ） (2025-06-06T09:14:45Z)
• DSAI: Unbiased and Interpretable Latent Feature Extraction for Data-Centric AI [24.349800949355465]
  大規模言語モデル(LLM)は、大きなデータセットの潜在特性を客観的に識別するのにしばしば苦労する。 本研究では,非バイアスで解釈可能な特徴抽出を可能にするフレームワークであるData Scientist AI(DSAI)を提案する。
  論文  参考訳（メタデータ） (2024-12-09T08:47:05Z)
• InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation [79.09622602860703]
  3つの重要な特徴を持つベンチマークデータセットであるInsightBenchを紹介します。 財務やインシデント管理といったさまざまなビジネスユースケースを表す100のデータセットで構成されている。 単一のクエリに回答することに焦点を当てた既存のベンチマークとは異なり、InsightBenchは、エンドツーエンドのデータ分析を実行する能力に基づいてエージェントを評価する。
  論文  参考訳（メタデータ） (2024-07-08T22:06:09Z)

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。