EROS：实体驱动的受控政策文档摘要
计算与语言
2024-03-04 v1 人工智能
摘要
隐私政策文档在教育个人了解组织收集、使用和保护用户个人数据方面具有关键作用。然而，它们以其冗长、复杂和晦涩的语言而闻名，尤其是涉及隐私相关实体时。因此，它们对试图理解组织数据使用政策的用户构成了重大挑战。在本文中，我们提出通过使用受控抽象摘要来增强政策文档的可解释性和可读性——我们强制生成的摘要包含关键的隐私相关实体（例如，数据和媒介）以及组织收集这些实体的理由（例如，目标和原因）。为了实现这一点，我们开发了PD-Sum，一个带有标记隐私相关实体标签的政策文档摘要数据集。我们提出的模型EROS通过基于跨度的实体提取模型识别关键实体，并使用近端策略优化（PPO）控制摘要的信息内容。比较显示，与各种基线相比有令人鼓舞的改进。此外，我们提供了定性和人工评估来证明EROS的有效性。
引用
@article{arxiv.2403.00141,
title = {EROS: Entity-Driven Controlled Policy Document Summarization},
author = {Joykirat Singh and Sehban Fazili and Rohan Jain and Md Shad Akhtar},
journal= {arXiv preprint arXiv:2403.00141},
year = {2024}
}
备注
Accepted in LREC-COLING 2024