Visual Analytics Using Machine Learning for Transparency Requirements

doi:10.3390/math11143091

Visual Analytics Using Machine Learning for Transparency Requirements

2023-07-13

0

OA

AI

DOI：10.3390/math11143091

原文链接

摘要

En 中文

问题解决类应用程序要求用户在数据使用实践中保持谨慎。在安装这些应用程序之前，用户应被鼓励阅读并理解服务条款，这些条款涉及数据隐私、流程和政策等重要方面（统称为信息元素）。然而，这些条款通常冗长且复杂，使用户难以全面理解其内容。此外，现有的透明度分析工具通常依赖信息元素的提取，导致过程耗时。为解决这些挑战，本文提出了一种结合信息可视化和机器学习分析的新方法，以自动化提取信息元素。该方法涉及创建和标注一个来自多个软件服务条款的数据集。利用朴素贝叶斯、BART和LSTM等机器学习模型对信息元素进行分类和文本摘要。此外，所提出的方法被整合到我们现有的可视化工具TranspVis中，以实现软件信息元素的自动检测和显示。该系统通过连接数据库的工具进行了全面评估，包括多种指标和专家意见。本研究结果表明，该方法具有潜在的应用前景，是该领域的一个初步探索。我们的解决方案不仅解决了从复杂服务条款中提取信息元素的挑战，也为该领域的未来研究奠定了基础。

Visual Analytics Using Machine Learning for Transparency Requirements

摘要

期刊

机构

引用论文