依托反馈：移动银行iOS与Google应用商店评论的文本分析
机器学习
2025-03-18 v1 人机交互
信息论
math.IT
摘要
移动银行（m-banking）的快速增长，尤其是在COVID-19大流行之后，已重塑了金融领域。本研究分析了来自五家主要加拿大银行的移动银行应用评论，数据来源于Google Play和iOS App商店。情感分析和主题建模将评论分类为正面、中性或负面，突出用户偏好和改进方向。数据预处理使用Python自然语言处理工具NLTK，主题建模采用潜在狄利克雷分配（LDA）。情感分析比较了多种方法，其中长短期记忆网络（LSTM）在iOS评论上达到82%的准确率，多项式朴素贝叶斯在Google Play上达到77%。正面评论赞扬了可用性、可靠性和功能，而负面评论指出了登录问题、故障以及对更新的不满。这是首个同时分析iOS和Google Play移动银行应用评论的研究，提供了应用优势与劣势的洞察。研究结果强调了用户友好设计、稳定更新和更好客户服务的重要性。先进的文本分析为提升用户满意度和体验提供了可操作的建议。
引用
@article{arxiv.2503.11861,
title = {Banking on Feedback: Text Analysis of Mobile Banking iOS and Google App Reviews},
author = {Yekta Amirkhalili and Ho Yi Wong},
journal= {arXiv preprint arXiv:2503.11861},
year = {2025}
}