基于隐私政策条款和机器学习的应用分类

• 作者: 唐祝寿 张燕 朱璋颖 陆亦恬
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 隐私政策 机器学习 支持向量机 多标签分类模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 网络与系统
• 页码范围: 2749-2757
• 页数: 9页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.11.022

摘要

为了提升隐私政策可读性并评价其质量,提出一种基于机器学习的中文隐私政策条款自动分类方法.首先,确立条款分类指标体系,从不同类别条款中提取特征;其次,建立和训练基于机器学习算法的层次多标签分类模型,在测试集上通过实验对比各算法性能;最后,基于分类结果检测隐私政策的虚假性和完整性,同时设计了隐私政策评价方法对其进行评分.实验结果表明,支持向量机模型在分类效果上优于其他模型,准确率达到86％,验证了该方法在自动分类隐私政策条款上的可行性.此外,对华为应用市场中1500篇隐私政策检测发现,其中38.5％不是隐私政策,余下隐私政策中92.5％的内容不完整,大部分得分偏低.