Natural Language Processing of Privacy Policies: A Survey

要約

自然言語処理 (NLP) は、人工知能の重要なサブセットです。
ヘルスケア、金融、メディアなどのいくつかの分野で、認識、意見、誤用などを特定するのに有効になっています。
プライバシーも例外ではなく、NLP を利用してユーザーに使用可能なプライバシー通知を提供するという課題に対処するための取り組みが行われています。
これを支援するために、NLP とプライバシー ポリシーが交わる 109 件の論文を分析することで文献レビューを実施します。
まず、プライバシー ポリシーについて簡単に説明し、ユーザーへのプライバシー通知と開示の現状を改善するために NLP の適用が必要となる、関連する問題のさまざまな側面について説明します。
続いて、a) プライバシー ポリシーのコミュニケーションを改善するための NLP アプローチの実装と有効性の概要を説明します。
b) 堅牢なプライバシー ポリシーを提供するためにさらに強化できる方法論を特定する。
c) 現在の最先端の研究におけるギャップを特定する。
私たちの体系的な分析により、いくつかの研究論文は分析のためにプライバシー テキストの注釈付けと分類に焦点を当てているが、要約などの NLP アプリケーションの他の側面について十分に検討する必要があることが明らかになりました。
より具体的には、この領域には、コーパス生成、要約ベクトル、文脈化された単語の埋め込み、プライバシー関連のステートメントカテゴリの特定、きめ細かい分類、領域固有のモデル調整などの側面をカバーする豊富な研究の機会が存在します。

要約(オリジナル)

Natural Language Processing (NLP) is an essential subset of artificial intelligence. It has become effective in several domains, such as healthcare, finance, and media, to identify perceptions, opinions, and misuse, among others. Privacy is no exception, and initiatives have been taken to address the challenges of usable privacy notifications to users with the help of NLP. To this aid, we conduct a literature review by analyzing 109 papers at the intersection of NLP and privacy policies. First, we provide a brief introduction to privacy policies and discuss various facets of associated problems, which necessitate the application of NLP to elevate the current state of privacy notices and disclosures to users. Subsequently, we a) provide an overview of the implementation and effectiveness of NLP approaches for better privacy policy communication; b) identify the methodologies that can be further enhanced to provide robust privacy policies; and c) identify the gaps in the current state-of-the-art research. Our systematic analysis reveals that several research papers focus on annotating and classifying privacy texts for analysis but need to adequately dwell on other aspects of NLP applications, such as summarization. More specifically, ample research opportunities exist in this domain, covering aspects such as corpus generation, summarization vectors, contextualized word embedding, identification of privacy-relevant statement categories, fine-grained classification, and domain-specific model tuning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google