Data sensitivity detection in chat interactions for privacy protection

In recent years, there has been exponential growth in using virtual spaces, including dialogue systems, that handle personal information. The concept of personal privacy in the literature is discussed and controversial, whereas, in the technological field, it directly influences the degree of reliability perceived in the information system (privacy ‘as trust’). This work aims to protect the right to privacy on personal data (GDPR, 2018) and avoid the loss of sensitive content by exploring sensitive information detection (SID) task. It is grounded on the following research questions: (RQ1) What does sensitive data mean? How to define a personal sensitive information domain? (RQ2) How to create a state-of-the-art model for SID?(RQ3) How to evaluate the model? RQ1 theoretically investigates the concepts of privacy and the ontological state-of-the-art representation of personal information. The Data Privacy Vocabulary (DPV) is the taxonomic resource taken as an authoritative reference for the definition of the knowledge domain. Concerning RQ2, we investigate two approaches to classify sensitive data: the first - bottom-up - explores automatic learning methods based on transformer networks, the second - top-down - proposes logical-symbolic methods with the construction of privaframe, a knowledge graph of compositional frames representing personal data categories. Both approaches are tested. For the evaluation - RQ3 – we create SPeDaC, a sentence-level labeled resource. This can be used as a benchmark or training in the SID task, filling the gap of a shared resource in this field. If the approach based on artificial neural networks confirms the validity of the direction adopted in the most recent studies on SID, the logical-symbolic approach emerges as the preferred way for the classification of fine-grained personal data categories, thanks to the semantic-grounded tailor modeling it allows. At the same time, the results highlight the strong potential of hybrid architectures in solving automatic tasks.

Gli oggetti della nostalgia per ripensare il rapporto con il tempo: pratiche e memorie di due generazioni.

La ricerca di tesi qui presentata nasce con lo scopo di sondare la natura degli oggetti affettivi attraverso l’analisi dei lavori di campo da me svolti tra il 2016 e il 2019: il lavoro di campo all’interno dei Musei degli oggetti ordinari di Marseille e Parma (ricerca in ambiente museale) ed il lavoro di campo condotto all’interno di 28 abitazioni dell’Emilia Romagna (ricerca in ambiente domestico) comprendente un confronto generazionale tra sessantenni e trentenni. In particolare, con il lavoro qui presentato ho voluto cercare di comprendere, per mezzo di un’attenta analisi del legame uomo / cosa, la natura del rapporto che gl’individui tessono con le diverse dimensioni temporali della loro vita: passato, presente, futuro. La mia ricerca di tesi nasce difatti dal presupposto che gli oggetti affettivi (qui definiti “oggetti della nostalgia”) si inscrivono nella storia dei loro proprietari, essi evocano memorie, ricordi, ma anche valori e modi di vivere / di essere. Gli oggetti affettivi essendo in grado di preservare nel tempo una loro “funzionalità”, finiscono per preservare nella loro valenza simbolica ed affettiva frammenti di memorie in grado di orientare i loro proprietari nell’elaborazione del passato, ma anche di aiutarli nella creazione di un tempo presente e futuro sempre più felice e consapevole. Essi, in virtù del legame che li unisce intimamente ai loro proprietari, mantengono in vita ciò che apparentemente non esiste più, preservano l’assente nella loro presenza coniugando l’invisibile al visibile, l’immaterialità alla materia.