主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
胡甜媛,姜瑛.体现使用反馈的APP软件用户评论挖掘.软件学报,2019,30(10):0
体现使用反馈的APP软件用户评论挖掘
Mining of User's Comments Reflecting Usage Feedback for APP Software
投稿时间:2018-09-01  修订日期:2018-10-31
DOI:10.13328/j.cnki.jos.005794
中文关键词:  APP软件  用户评论  使用反馈  评论模式  评论种子  抽取规则  循环挖掘
英文关键词:App software  user's comments  usage feedback  comment modes  comment seeds  extracting rules  interative mining
基金项目:国家自然科学基金(61462049,60703116,61063006);云南省应用基础研究计划重点项目(2017FA033);云南省教育厅科学研究基金项目(2018Y016)
作者单位E-mail
胡甜媛 云南省计算机技术应用重点实验室, 云南 昆明 650500
昆明理工大学 信息工程与自动化学院, 云南 昆明 650500 
 
姜瑛 云南省计算机技术应用重点实验室, 云南 昆明 650500
昆明理工大学 信息工程与自动化学院, 云南 昆明 650500 
jy_910@163.com 
摘要点击次数: 336
全文下载次数: 228
中文摘要:
      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软件使用反馈,可以帮助开发人员有针对性地维护和改进APP软件.本文针对不同类型的APP软件使用反馈,提出了评价对象和评价观点抽取规则,给出了评论模式和评论种子的定义;应用评论种子挖掘与之相同或相似的体现相同使用反馈类型的用户评论,基于人工标注的少量初始评论种子持续构建候选评论模式库;应用半监督自学习的方式,基于候选评论模式库动态扩充评论种子库;通过循环挖掘的方式,动态扩大挖掘体现不同使用反馈类型的APP软件用户评论的范围.实验结果证明,提出的方法可以有效挖掘体现使用反馈的APP软件用户评论,平均挖掘率达到77.82%.
英文摘要:
      With the popularity of App software applications, the number of user's comments for App software has increased dramatically. Mining valuable software usage feedback based on user's comments can help developers to maintain and improve App software pertinently. Aimed at different types of usage feedback for App software, this paper proposes the extracting rules of evaluation object and evaluation opinion. Moreover, the comment modes and comment seeds are defined. User's comments that are same or similar to comment seeds reflecting usage feedback are mined. Based on the initial comment seeds labeled manually, a candidate comment mode library is built continuously. A semi-supervised learning method is used to dynamically expand the comment seed library based on the candidate comment mode library. The scope of mining user's comments reflecting usage feedback is expanded by interative mining process. Finally, the experimental results show that the proposed method can effectively mine App software user's comments reflecting usage feedback with an average mining rate of 77.82%.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利