论文部分内容阅读
当前,APP软件种类越来越多样化,从各方面影响人们的生活。随着APP软件应用的普及,针对APP软件的用户评论数量急剧增加,基于用户评论挖掘有价值的APP软件用户意图,可以帮助开发人员有针对性地维护和改进APP软件。在线网络环境下,用户评论更新快、数量大,大量无用数据会影响有价值的用户意图信息的挖掘;通过情感分析技术无法挖掘体现软件实际使用情况的用户评论;如果采用有监督的学习方式,人工标注的数据资源需要不断补充甚至重新构建;此外,应用评论内容进行用户评论挖掘忽略了句式结构的重要性。因此,如何通过半监督自学习的方式,综合分析APP软件用户评论的评论内容和评论句式结构特点,自动挖掘体现APP软件用户意图的用户评论是本文的研究重点。本文基于用户评论挖掘APP软件用户意图展开研究,论文主要工作如下:(1)将APP软件用户意图定义为用户对APP软件的当前使用反馈和用户对APP软件的未来改进期望2种类型。(2)提出体现APP软件当前使用反馈的用户评论挖掘方法。对APP软件当前使用反馈的抽象表示进行定义,主要包括当前使用反馈特征词和体现当前使用反馈的评论种子;结合抽象表示的定义,通过半监督自学习的方法,循环挖掘体现APP软件当前使用反馈类型的用户评论。(3)提出体现APP软件未来改进期望的用户评论挖掘方法。提出评价对象和评价观点的抽取规则,结合该规则改进体现未来改进期望的评论种子的定义及用户评论与评论种子的匹配算法;针对与评论种子匹配失败的用户评论,识别用户评论体现的APP软件未来改进期望类型。(4)提出体现APP软件用户意图的用户评论挖掘方法。对APP软件用户意图的抽象表示进行定义,通过半监督自学习的方式,动态扩充体现用户意图的评论种子库和用户意图特征词,并针对循环挖掘定义收敛条件,挖掘体现APP软件用户意图的用户评论直到循环挖掘收敛。(5)根据提出的体现APP软件用户意图的用户评论挖掘方法,开发一个相应的系统原型,通过实验证明本文方法的有效性。