textual-data

该论文提出SHIP（具有隐私保护的结构化与层级化洞察），将差分隐私洞察形式化为可复用的查询回答表示，通过自动构建层级混合分类法并发布差分隐私合成表，实现隐私保护下的文本数据分析，性能优于现有私有洞察基线。

本文介绍了GRaCE，这是一个无监督框架，用于通过基于排名的度量生成可解释的图嵌入，在文本和图像数据的检索、分类和聚类任务中优于现有方法。

本文提出了LMT，一种贝叶斯因果发现框架，它结合了从文本告警记录中由LLM提取的语义信号和基于时间戳的统计证据，以推断制造系统中的因果图。