SHIP: Structured and Hierarchical Insight with Privacy

arXiv:2610.21048v1 公告类型：新

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。现有方法针对不同的分析目的以多种形式生成隐私洞见，使得其效用难以评估和比较。在本工作中，我们将差分隐私（DP）洞见形式化为可复用的表示，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的细节和跨属性统计信息，而现有表示可能会遗漏这些信息。为捕获这些信息，我们提出了结构化与分层隐私洞见（Structured and Hierarchical Insight with Privacy，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。我们还制定了一套主要基于 QA 性能和结构化保真度的评估协议。我们的实验表明，相对于现有的隐私洞见基线，SHIP 在这两项指标上均表现强劲，同时也识别出了对结构化表示而言仍具挑战性的查询。