面向对话式 AI 和用户研究洞察的专家生成隐私问答数据集

对话式助手处理个人数据，必须遵守数据保护法规，这些法规要求提供商向用户透明地说明其数据是如何被处理的。从法律意义上讲，透明度要求精确性、可理解性和可访问性，然而现有解决方案未能满足这些要求。为了解决这个问题，我们引入了一个新的由人类专家生成的隐私问答 (Q&A) 数据集，该数据集通过一个涉及法律专业人士和对话设计师的迭代过程开发而成。我们通过语言分析和用户研究对该数据集进行了评估，将其与隐私政策摘录以及 Amazon Alexa 的 SOTA 响应进行了比较。我们的研究结果表明，与现有解决方案相比，所提出的答案在保持法律精确性的同时，提高了可用性和清晰度，从而增强了对话式 AI 和自然语言处理应用中数据处理信息的可访问性。