资讯摘要
论文针对移动应用评论中隐私与安全分类体系依赖人工、难以跟上数据变化的问题，提出自动化构建方法。作者先筛选出超过60万条相关评论，再提出TaxoScale流程，通过递归层次聚类和LLM节点命名扩展专家定义的分类体系。作者报告其在路径、层级、覆盖度和新颖性指标上优于强基线，并发现此前分类体系中没有的新分支，同时公开代码与数据。
要点速读
- 作者筛选出超过60万条隐私与安全相关应用评论，构成大规模语料。
- TaxoScale结合递归层次聚类与LLM节点命名，在专家分类体系基础上扩展。
- 作者报告该方法在路径、层级、覆盖度和新颖性指标上优于强自动分类基线，并发现新分支。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。