arXiv cs.CL· Kai Chen, Guisi Ni, Albert Cheu, Kassem Fawaz, Yuzheng Hu, Ryan McKenna, Peter Kairouz·· 2 天前AI 评分22
SHIP：兼顾隐私的结构化分层洞察提取方法
SHIP: Structured and Hierarchical Insight with Privacy
AI 导读
研究者提出 SHIP（Structured and Hierarchical Insight with Privacy），将差分隐私（DP）洞察定义为可复用表示，用于回答分析查询并统一评估其效用。
正文 · AI 翻译
摘要：在保护用户隐私的同时从文本数据中提取洞见正变得越来越重要。现有方法为不同的分析目的生成形式多样的私有洞见，使其效用难以评估和比较。在本工作中，我们将差分隐私（DP）洞见表述为可复用的表示，用于回答分析性查询，从而为效用评估提供共同基础。然而，回答这些查询需要细粒度细节和跨属性统计，而现有表示可能会遗漏这些信息。为了捕获这些信息，我们引入了结构化分层隐私洞见（SHIP），它自动将查询映射到属性，构建分层混合分类体系，并发布一个 DP 合成表以供进一步分析。我们还制定了一个主要基于问答性能和结构保真度的评估协议。我们的实验表明，相对于现有的私有洞见基线，SHIP 在这两项指标上均表现优异，同时识别出对结构化表示仍然具有挑战性的查询。
| 评论： | 本文主要研究从文本数据中提取和评估洞见 |
| 主题： | 计算与语言（cs.CL）；密码学与安全（cs.CR）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.21048 [cs.CL] |
| （或 arXiv:2610.21048v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21048 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Kai Chen [查看电子邮件]
[v1]
2026年10月15日星期四 00:48:25 UTC（264 KB）
来源：arXiv cs.CL · arxiv.org