面向中文APP用户评论数据的软件需求挖掘方法

摘要：

从 APP用户反馈数据中挖掘用户需求是 APP迭代更新和需求获取的一种重要方式,用户在 APP 应用市场中发表对APP不同维度的评价,其中蕴含着用户对 APP软件的改善需求.但是,目前用户反馈数据存在数量大、质量良莠不齐的状况,如何从海量的用户评论数据中省时省力地挖掘出有价值的需求,具有重要的研究与现实意义.文中着眼于 APP 开发问题,选取 3 60 手机助手中的 APP用户评论数据,旨在挖掘蕴含于用户评论数据中的软件需求.首先,从功能性需求与非功能性需求两个维度出发,将 APP用户评论数据中蕴含的软件需求划分为功能待添加、功能待改进、性能、可用性、可靠性 5 个需求类别;其次,对用户评论进行数据采集、标注,构建 APP评论需求挖掘数据集;最后,利用构建好的数据集进行模型训练与交叉验证,探究主流深度学习方法相较于统计机器学习模型在该任务上的表现.实验表明,采用的深度学习模型 TextCNN,TextRNN 和Transformer相比传统的统计机器学习模型在此任务上更具优势.

关键词：APP用户评论、软件需求挖掘、机器学习、中文数据集

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目61402043

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：56-64