研究报告

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。

对来自华为应用市场的1,500份中文隐私政策进行检测，检测结果表明38.5%的隐私政策为虚假隐私政策，剩余合法的隐私政策中，92.5%的隐私政策在完整性方面不符合“自评估指南”的要求。在隐私政策自动表述的基础上，设计了一种隐私政策打分方法，实验结果表明大部分隐私政策的得分位于低分数区间内。