自动化应用评论回复生成
软件工程
2020-02-11 v1 计算与语言
摘要
先前研究表明，回复用户评论通常对用户给应用评分有正向影响。例如，Hassan 等人发现，与不予回复相比，回复评论可使用户更新其给定评分的几率提高至多六倍。为减轻回复大量用户评论的人力负担，开发者通常采用基于模板的策略，模板可表达对使用应用的感谢或提及公司邮箱供用户跟进。然而，开发者每日阅读大量用户评论并非易事。因此，需要更多自动化手段以帮助开发者回复用户评论。针对前述需求，本工作提出一种新方法 RRGen，通过学习评论与其回复之间的知识关系自动生成评论回复。RRGen 显式纳入评论属性（如用户评分与评论长度），并从可用训练数据中以监督方式学习评论与对应回复间的关系。在 58 个应用及 309,246 条评论-回复对上的实验表明，RRGen 在 BLEU-4（广泛用于评估对话回复生成系统的准确度度量）上至少超越基线 67.4%。定性分析也证实了 RRGen 在生成相关且准确回复上的有效性。
引用
@article{arxiv.2002.03552,
title = {Automating App Review Response Generation},
author = {Cuiyun Gao and Jichuan Zeng and Xin Xia and David Lo and Michael R. Lyu and Irwin King},
journal= {arXiv preprint arXiv:2002.03552},
year = {2020}
}
备注
12 pages, accepted by ASE'19