软件学报

作者：王亚文，王俊杰，石琳，王青

单位：王亚文，中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 10004911,王俊杰，中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 10004902,石琳，中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 10004903,王青，中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 100049;计算机科学国家重点实验室(中国科学院 软件研究所), 北京 10019004

关键词：App评论;信息提取;深度学习

基金：国家重点研发计划(2018YFB1403400); 国家自然科学基金(62072442)

手机用户提交的App评论为开发者提供了一个了解用户满意度的沟通渠道. 许多用户通常使用“send a video”和“crash”等关键短语来描述有缺陷的功能(即用户操作)和App的异常行为(即异常行为), 而这些短语可能会与其他琐碎信息(如用户的抱怨)一起交杂在评论文本中. 掌握这些细粒度信息可以帮助开发者理解来自用户的功能需求或缺陷报告, 进而有利于提升App的质量. 现有的基于模式的目标短语提取方法只能对评论的高层主题/方面进行总结, 并且由于对评论的语义理解不足, 短语提取的性能较差. 提出了一种语义感知的细粒度App评论缺陷挖掘方法(Arab), 来提取用户操作和异常行为, 并挖掘两者之间的关联关系. 设计了一种新颖的用于提取细粒度目标短语的神经网络模型, 该模型将文本描述和评论属性相结合, 能更好地建模评论的语义. Arab还根据语义关系对提取的短语进行聚类, 并将用户操作和异常行为之间的关联关系进行了可视化. 使用6个App的3 426条评论进行评估实验, 实验结果证实了Arab在短语提取方面的有效性. 进一步使用Arab对15个热门App的301 415条评论进行了案例研究, 以探索其潜在的应用, 并验证其在大规模数据上的实用性.

来源：2023年第4期

《软件学报》期刊编辑部

查看软件学报杂志2023年第4期