개인정보 보호를 위한 다양한 작성 스타일의 합성 리뷰 생성 LLMs 사용

대형 언어 모델(LLMs)에 의해 생성된 합성 데이터의 사용 증가가 데이터 기반 애플리케이션에서 기회와 도전을 모두 제공합니다. 합성 데이터는 모델 훈련을 촉진하기 위해 실세계 데이터에 대한 비용 효율적이고 확장 가능한 대안을 제공하지만, 그 다양성과 개인정보 위험은 충분히 탐구되지 않았습니다. 텍스트 기반 합성 데이터에 중점을 두고, 여러 최첨단 LLMs에 의해 생성된 합성 데이터 세트의 다양성(즉, 언어 표현, 감정, 사용자 관점)과 개인정보(즉, 재식별 위험 및 스타일적 이상)에 대해 정량적으로 평가하기 위한 포괄적인 지표 세트를 제안합니다. 실험 결과는 LLMs가 다양한 개인정보 보호 합성 데이터를 생성하는 데 상당한 한계가 있음을 보여줍니다. 평가 결과에 따라, 검토자의 개인정보를 보호하면서 합성 리뷰의 다양성을 향상시키기 위한 프롬프트 기반 접근 방식이 제안됩니다.