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English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第11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
陆璇,陈震鹏,刘譞哲,梅宏.数据驱动的移动应用用户接受度建模与预测.软件学报,2020,31(11):3364-3379
数据驱动的移动应用用户接受度建模与预测
Data-driven Modeling and Prediction of User Acceptance for Mobile Apps
投稿时间:2020-02-07  修订日期:2020-05-06
DOI:10.13328/j.cnki.jos.006106
中文关键词:  用户接受度  应用市场  移动应用  软件解析学  数据驱动
英文关键词:user acceptance  app market  mobile app  software analytics  data driven
基金项目:广东省重点领域研发计划(2020B010164002);民航旅客服务智能化应用技术重点实验室开放课题;国家自然科学基金(J1924032)
作者单位E-mail
陆璇 高可信软件技术教育部重点实验室(北京大学), 北京 100871
北京大学 软件工程研究所, 北京 100871 
 
陈震鹏 高可信软件技术教育部重点实验室(北京大学), 北京 100871
北京大学 软件工程研究所, 北京 100871 
 
刘譞哲 高可信软件技术教育部重点实验室(北京大学), 北京 100871
北京大学 软件工程研究所, 北京 100871 
liuxuanzhe@pku.edu.cn 
梅宏 高可信软件技术教育部重点实验室(北京大学), 北京 100871
北京大学 软件工程研究所, 北京 100871 
 
摘要点击次数: 275
全文下载次数: 236
中文摘要:
      应用市场(app market)已经成为互联网环境下软件应用开发和交付的一种主流模式.相对于传统模式,应用市场模式下,软件的交付周期更短,用户的反馈更快,最终用户和开发者之间的联系更加紧密和直接.为应对激烈的竞争和动态演变的用户需求,移动应用开发者必须以快速迭代的方式不断更新应用,修复错误缺陷,完善应用质量,提升用户体验.因此,如何正确和综合理解用户对软件的接受程度(简称用户接受度),是应用市场模式下软件开发需考量的重要因素.近年来兴起的软件解析学(software analytics)关注大数据分析技术在软件行业中的具体应用,对软件生命周期中大规模、多种类的相关数据进行挖掘和分析,被认为是帮助开发者提取有效信息、作出正确决策的有效途径.从软件解析学的角度,首先论证了为移动应用构建综合的用户接受度指标模型的必要性和可行性,并从用户评价数据、操作数据、交互行为数据这3个维度给出基本的用户接受度指标.在此基础上,使用大规模真实数据集,在目标用户群体预测、用户规模预测和更新效果预测等典型的用户接受度指标预测问题中,结合具体指标,提取移动应用生命周期不同阶段的重要特征,以协同过滤、回归融合、概率模型等方法验证用户接受度的可预测性,并讨论了预测结果与特征在移动应用开发过程中可能提供的指导.
英文摘要:
      With the popularity of mobile Internet and smart mobile devices in recent years, the app market mode has become one of the main modes of software release. In this mode, app developers have to update their apps rapidly to keep competitive. In comparison with traditional software, the connection between end users and developers of mobile apps is closer with quicker release of software and feedback of users. Understanding and improving user acceptance of mobile apps inevitably becomes one of the main goals for developers to improve their apps. Meanwhile, there is a wealth of data covering different stages of the software cycle of mobile apps in the app-market-centered ecosystem. From the view of software analytics, with techniques such as machine learning and data mining, valuable information could be extracted from data including operation logs, user behavior sequence, etc. to help developers make decisions. This article first demonstrates the necessity and feasibility of building a comprehensive model of user acceptance indicators for mobile apps from a data-driven perspective, and provides basic indicators from three dimensions of user evaluation, operation, and usage. Furthermore, with large-scale datasets, specific indicators are given in three user acceptance prediction tasks, and features from different stages of the software cycle of mobile apps are extracted. With collaborative filtering, regression models, and probability models, the predictability of user acceptance indicators is verified, and the insight of the prediction results in the mobile app development process is provided.
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