面向隐私政策的意图分类与槽填充
计算与语言
2021-06-08 v2
摘要
理解隐私政策对用户至关重要，因为它使用户能够了解与其相关的信息。隐私政策文档中书写的句子解释了隐私实践，而组成的文本跨度传达了关于该实践的进一步具体信息。我们将预测句子中解释的隐私实践称为意图分类，将识别共享具体信息的文本跨度称为槽填充。在这项工作中，我们提出了 PolicyIE，一个由 5,250 个意图标注和 11,788 个槽标注组成的英文语料库，涵盖 31 个网站和移动应用的隐私政策。PolicyIE 语料库是一个具有挑战性的真实世界基准，其标注样本有限，反映了从领域专家处收集大规模标注的成本。我们提出两种替代的神经方法作为基线：(1) 将意图分类和槽填充作为联合序列标注；(2) 将它们建模为序列到序列(Seq2Seq)学习任务。实验结果表明，两种方法在意图分类上表现相当，而 Seq2Seq 方法在槽填充上大幅优于序列标注方法。我们进行了详细的错误分析以揭示所提语料库的挑战。
引用
@article{arxiv.2101.00123,
title = {Intent Classification and Slot Filling for Privacy Policies},
author = {Wasi Uddin Ahmad and Jianfeng Chi and Tu Le and Thomas Norton and Yuan Tian and Kai-Wei Chang},
journal= {arXiv preprint arXiv:2101.00123},
year = {2021}
}
备注
ACL 2021 (camera ready)