随着大数据的潮流继续影响自然语言处理的景观（NLP），现代NLP方法的利用已在此数据中扎根，以解决各种基于文本的任务。毫无疑问，这些方法可以包括私人或个人身份的信息。因此，近年来，NLP中的隐私问题已经变得热情，这与新的隐私增强技术（PET）的发展相吻合。在这些宠物中，差异隐私在围绕数据隐私的对话中具有几种理想的品质。自然，问题是差异隐私是否适用于NLP的非结构化领域。这个主题引发了新的研究，该研究是一个基本目标统一的：如何将差异隐私适应NLP方法？本文旨在总结差异隐私，当前思维以及最重要的是必须考虑的至关重要的下一步。
translated by 谷歌翻译