论文部分内容阅读
移动应用(app)市场的快速发展和日益激烈的竞争环境使得开发者需要不断对产品进行更新迭代,从而维持产品生命力。在移动应用市场中,用户评论是用户对移动应用观感、问题和建议的体现,包含了大量有助于开发者进行下一步更新迭代的信息。但是,移动应用的用户评论数目往往十分巨大,并且用户评论内容通常是以不规则的自然语言来描述,这些问题使得开发者难以对用户评论进行有效的利用,阻碍了移动应用的发展。为了进一步对用户评论进行有效利用,提高移动应用的开发质量,本文首先提出了移动应用的“关键功能”和“健康度”概念,以对影响移动应用评分的功能以及用户关注点和应用的评分变化情况进行刻画。在此基础上,分别提出了基于用户评论的移动应用关键功能识别方法和健康度分析方法,从而为开发者在规划下一步更新迭代上提供决策支持。具体工作包括:1)提出了一种从移动应用描述中抽取功能短语的功能抽取方法。该方法首先应用一个基于文本模式的过滤器从应用描述中抽取出功能候选短语,然后通过一个深度学习分类器来将功能候选短语分类为功能描述短语(表示应用功能的短语)和非功能描述短语。实验结果表明,该方法能有效地从应用描述中抽取出功能短语,并取得了84.29%的精确度,74.83%的召回率,78.13%的F1值以及86.71%的准确率;2)提出了一种关键功能识别方法,其中“关键功能”表示与移动应用评分高度相关的功能。该方法首先以移动应用的功能短语集合和用户评论为输入,为每个功能短语抽取出相关的用户评论集合,最后通过建立多元线性回归模型来识别关键功能。实验结果表明,该方法识别出的70%的关键功能为移动应用带来了评分上的上升,即该方法能够有效地识别出与应用评分高度相关的功能;3)提出了一种移动应用健康度分析方法。其中,“健康度”反映了移动应用在评分变化上的健康程度。该方法首先根据内容将评论分类到相应的用户关注点上,然后通过评分的变化度量移动应用在每个关注点上的健康度以及整个移动应用的健康度。实验表明,该方法在用户关注点分类中能获得77.41%的加权精确度、69.72%的加权召回率以及72.78%的加权F1值,方法最终展示的结果有助于开发者了解每个关注点和整个移动应用的健康情况,为移动应用的下一步更新规划提供决策支持。