跨平台和语言:Instagram、YouTube 和 TikTok 上的荷兰影响者和法律披露
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
本文提出了一种保护用户在线自披露隐私的方法,通过鉴别和抽象,建立了一个包括19个自披露类别的分类方式,并开发了一个大样本。最佳模型能够生成多样的抽象,保持高度效用的同时降低隐私风险。用户研究显示,82%的参与者对模型持积极态度。
🎯
关键要点
- 提出了一种保护用户在线自披露隐私的方法。
- 建立了一个包括19个自披露类别的分类方式。
- 开发了一个由4.8K注释披露跨度组成的大样本。
- 通过微调语言模型,在Token F1上达到75%以上。
- 用户研究显示,82%的参与者对模型持积极态度。
- 强调模型在现实世界中的适用性。
- 提出了自披露抽象的任务,尝试了单一抽象和三个抽象设置。
- 探索了多种微调策略。
- 最佳模型能够生成多样的抽象,适度降低隐私风险的同时保持高度效用。
➡️