تشخیص تطبیقی تغییر نیت با حفظ حریم خصوصی در جست وجوی وب چند جلسه ای مبتنی بر هوش مصنوعی

موتورهای جست وجوی مبتنی بر مدل های زبانی، بزرگ تعامل با وب را از مجموعه ای از پرس وجوهای مستقل به فرایندی مکالمه ای زمینه مند و چند جلسه ای تبدیل کرده اند. در چنین محیطی نیت کاربر ممکن است در طول یک جلسه یا میان چند جلسه به صورت تدریجی، شاخه ای یا ناگهانی تغییر کند. استفاده بی قید و شرط از تاریخچه می تواند پس از تغییر نیت، نتایج را به موضوع قبلی منحرف کند؛ در مقابل ذخیره و تحلیل مستمر تاریخچه جست وجو خطر افشای اطلاعات حساس و حملات وارون سازی بردارهای متنی را افزایش می دهد. این پژوهش چارچوب APID-MS را برای تشخیص برخط تغییر نیت، مدیریت حافظه موقت محلی، تنظیم تطبیقی زمینه و بازیابی ترکیبی پیشنهاد می کند. چارچوب نظری شامل نمایش حفاظت شده پرس وجو، آشکارساز چند سیگناله، حافظه شاخه ای، یادگیری فدرال و سازوکارهای حریم خصوصی تفاضلی است. برای سنجش امکان پذیری، یک مطالعه پایلوت واقعی روی ۱۰۰۰۰۳ پرس وجوی آموزشی و پرس وجوی آزمون ۷۷ Banking با ۷۷ نیت انجام شد. در هر تکرار ۸۰۰ جلسه آموزشی و ۳۰۰ جلسه آزمون شش مرحله ای ساخته شد و آزمایش با سه بذر تصادفی تکرار گردید. نتایج نشان دادند که در سطح نویز ۰٫۰۳ آشکارساز چند سیگناله بازخوانی ۰٫۸۹۶ و AUC برابر ۰٫۹۲۱ به دست آورد، هرچند به علت هشدارهای کاذب F۱ آن ۰٫۴۶۸ و پایین تر از آستانه ثابت ۰٫۴۸۷ بود. با این حال بازنشانی تطبیقی زمینه دقت بازیابی پس از تغییر نیت را به ۰٫۶۶۱ رساند در حالی که استفاده از کل تاریخچه فقط ۰٫۱۸۰ بود؛ اختلاف میانگین ۰٫۴۸۱ با فاصله اطمینان بوت استرپ درصد برابر ۰٫۴۶۷ تا ۰٫۵۰۴ بود. آزمایش پیوند مجدد نشان داد نویز گاوسی ساده تا سطح ۰٫۱۰ حفاظت کافی ایجاد نمی کند و احتمال شناسایی دقیق پرس وجو همچنان حدود ۰٫۹۵۵ باقی می ماند. کاهش جدی پیوندپذیری تنها با نویزهای شدید رخ داد که همزمان سودمندی را به شدت کاهش داد. یافته ها ضرورت حفاظت مفهوم محور و بودجه بندی رسمی حریم خصوصی را تایید می کنند و نشان می دهند مدیریت تطبیقی زمینه می تواند آسیب ناشی از تغییر نیت را به طور چشمگیری کاهش دهد.

کلیدواژه ها:

بازیابی اطلاعات ، تغییر نیت کاربر ، جست وجوی چند جلسه ای ، حریم خصوصی تفاضلی ، بازیابی ترکیبی ، یادگیری فدرال