Dataset de política de privacidad y términos de uso de aplicaciones móviles en inglés y castellano

Este dataset se enmarca dentro del proyecto: "Análisis de aplicaciones móviles desde la perspectiva de la protección de datos: Ciberprotección y Ciber-riesgos de la información de la ciudadanía" Los objetivos son la creación de un corpus de lenguaje natural para la modelización de las características de los términos de uso de las aplicaciones (móvil y web) y generación de Dataset de dichas licencias. Para ello se han implementado los procesos que recopilan de forma estructurada la Política de Privacidad y los Términos de Servicio en inglés y en castellano de las aplicaciones móviles.

El alcance se circuscribe a las 177 aplicaciones de redes sociales con mayor número de descargas de Google Play. Las Políticas de Privacidad y los Términos de Servicio se recopilan mediante procesos automatizados de rastreo (Crawlers). Estos procesos descargan los documentos originales y convierten los formatos HTML a texto plano realizando los necesarios tratamientos de limpieza y preproceso (Data Cleaning y Data Curation), para componer un Corpus actualizado.