SAGE：面向心理健康应用的基于上下文的隐私需求相关评论挖掘方法
软件工程
2025-07-22 v2
摘要
心理健康（MH）应用通常需要收集敏感用户数据，以便为心理健康需求量身定制服务。然而，某些MH应用的数据收集做法会引发用户的重大隐私 concerns。这些隐私 concerns 常在应用评论中被提及，但其他反馈类别（如可靠性和可用性）往往优先级更高。这给自动识别可用于提取隐私需求并满足用户隐私 concerns 的隐私相关评论（privacy reviews）带来了重大挑战。因此，本研究引入了SAGE，一种基于自然语言推理（NLI）的上下文感知方法，通过结合MH领域特定的隐私假设（提供领域特定的上下文感知能力）和GPT模型（无需微调）来自动从MH应用中挖掘隐私评论。对SAGE在20.4万条应用评论数据集上的定量评估显示，在无需微调的情况下，达到了0.85的F1分数，优于微调基线分类器BERT和T5。此外，SAGE提取了748条之前被关键词方法遗漏的隐私评论，通过定性评估证明了其有效性。这些评论后续可细化为可操作的隐私需求制品。
引用
@article{arxiv.2507.09051,
title = {SAGE: A Context-Aware Approach for Mining Privacy Requirements Relevant Reviews from Mental Health Apps},
author = {Aakash Sorathiya and Gouri Ginde},
journal= {arXiv preprint arXiv:2507.09051},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2507.09049