日本語のプライバシポリシに対する完全性を考慮したリスク要約手法の評価

• Item type: Journal(1)
• 公開日: 2021-01-15
• タイトル: 日本語のプライバシポリシに対する完全性を考慮したリスク要約手法の評価
• タイトル / 言語: en
• タイトル: Evaluation of Risk Summarization for Privacy Policies in Japanese with Considering Completeness
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] プライバシ保護，プライバシポリシ，機械学習，自然言語処理
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00208902
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 株式会社国際電気通信基礎技術研究所（ATR）
• 著者所属: ヨハンヴォルフガングゲーテ大学
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: 近畿大学／株式会社国際電気通信基礎技術研究所（ATR）
• 著者所属(英): en
• 著者所属(英): Advanced Telecommunications Research Institute International (ATR)
• 著者所属(英): en
• 著者所属(英): Goethe University Frankfurt
• 著者所属(英): en
• 著者所属(英): KDDI Research
• 著者所属(英): en
• 著者所属(英): KDDI Research
• 著者所属(英): en
• 著者所属(英): Kindai University / Advanced Telecommunications Research Institute International (ATR)
• 著者名: 中村, 徹; ウェルデルファエルB., テスファイ; バネッサ, ブラカモンテ; 清本, 晋作; 鈴木, 信雄
• 著者名(英): Toru, Nakamura; Welderufael, B. Tesfay; Vanessa, Bracamonte; Shinsaku, Kiyomoto; Nobuo, Suzuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，自然言語処理と機械学習を用いて，プライバシポリシの要約を行うことにより，より理解しやすいプライバシポリシの実現を目指す．本論文ではまず，日本語のプライバシポリシを収集し，これにラベル付与を行い，評価するコーパスを作成する．ラベル付与にあたり，プライバシリスクに関する項目だけでなく，プライバシポリシの完全性に関する項目を設定する．プライバシポリシの完全性とは，プライバシポリシがトピックを網羅していることを示す性質である．このコーパスに対し，プライバシポリシのテキスト部の特徴抽出および機械学習を行い，学習モデルの精度評価を行う．本論文では，特徴抽出アルゴリズムとして，Bag-of-Words（以下，BoW），TF-IDF，Doc2Vec，学習アルゴリズムとして，サポートベクタマシンとランダムフォレストを採用した場合のラベル推測精度について評価を行う．評価の結果，本コーパスに対しては，BoWを用いた場合とTF-IDFを用いた場合については，両者間に有意な差は確認できなかったが，BoWまたはTF-IDFとランダムフォレストを組み合わせた場合が最も高精度にラベル推測を行うことができることが明らかになった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The purpose of this study is to realize more understandable privacy policies by privacy policy summarization. We first made the corpus for evaluation by collecting Japanese privacy policies and labeling to the policies. As labels of corpus, we set not only items related to privacy risk, but also those related to completeness of privacy policy, that is the property to cover necessary topics for privacy policies. Next, we made prediction models by feature extraction algorithms for text and machine learning algorithm with this corpus. We also evaluated the accuracy if we used these prediction models. In this paper, Bag-of-Words (BoW), TF-IDF, and Doc2Vec were used as feature extraction algorithms for text and support vector machine and random forest were used as machine learning algorithms. As the result of evaluation, we obtained the fact that the combination of BoW or TF-IDF and random forest achieved the best F1 value for predicting labels of privacy policies. There was no significant difference between the case with BoW and that with TF-IDF in this evaluation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 62, 号 1, p. 332-345, 発行日 2021-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764