一种基于用户评论自动分析的APP维护和演化方法
应用程序分发平台(如Google Play Store或Apple App Store)允许用户以评分或者评论等形式向下载的应用程序提交反馈.这些反馈信息可以直接或者间接地反映用户意图,及时准确地挖掘用户意图可以极大地帮助移动开发人员持续维护和改善他们的app,从而更好地满足用户期望.然而,对于很多流行的应用来说,由于其用户评论数据量大、非结构化以及评论质量不一致等,使得识别其中有价值的信息成为一项极具挑战的任务.因此,将用户评论进行自动化分析以减缓人工分析工作量成为app评论挖掘的新思路.本文我们提出了一种自动化用户评论分析方法ARICA(Automatic Review Intention Classification Analysis).首先,ARICA根据用户的评论反馈,自动将评论信息进行意图分类,并使用LDA主题模型对每个分类意图下评论进行主题划分;其次,在每个主题下对表达语义相似的评论进行聚类,进一步,ARICA使用情感分析工具SentiStrength获取用户情感,然后对用户评论的情感分布进行分析来识别用户的重要意图;最后,综合考虑用户意图和用户情感偏好等多维度信息计算用户评论得分并以此划分评论优先级,从而为开发者进行用户评论意见推荐.我们使用Google Play中真实的app评论数据来验证ARICA的评论意图分类和句子聚类的性能.实验结果表明,ARICA在用户评论意图分类过程中准确度达到80％0,和现有的基于卷积神经网络的方法TextCNN的相比,ARICA的F Measure提高了19.1％.同时,评论句子聚类过程中获得86％的准确率.另外,为了验证ARICA推荐用户评论的有效性,我们使用官方的app更新日志来实证分析ARICA推荐的用户评论建议是否可以真实地被开发者采用.结果表明,ARICA可以高效为开发者推荐具有价值信息的评论,这对于开发者进行后续的app维护和演化任务具有重要意义.
用户评论、意图分类、情感分析、维护和演化、意见推荐
43
TP311(计算技术、计算机技术)
本课题得到国家自然科学基金重点基金;国家自然科学基金;国家重点研发计划
2020-11-30（万方平台首次上网日期，不代表论文的发表时间）
共19页
2184-2202
