CMER：用于挖掘与伦理关切相关的App评论的上下文感知方法
软件工程
2025-07-22 v2
摘要
随着移动应用在日常生活中的普及，围绕伦理问题的关注力度显著增加。用户在应用评论中传达他们的反馈，经常强调伦理关切，如隐私和安全。将这些评论纳入实践已被证明对许多软件工程领域(如需求工程、测试等)有益。然而，与伦理关切相关的应用评论通常使用特定领域的语言，且通常被更通用的用户反馈类别(如应用可靠性和可用性)所掩盖。因此，自动提取具有挑战性且耗时的。本文提出了CMER(一种基于上下文的方法用于挖掘伦理关切相关的App评论)，一种新方法，将自然语言推理(NLI)与解码器-only大型语言模型(LLaMA类)相结合，用于大规模提取与伦理关切相关的应用评论。在CMER中，NLI通过使用特定领域的假设语句提供领域特定的上下文感知，LLaMA类大型语言模型消除了分类任务中标注数据需求。我们通过从超过38.2万篇移动投资类应用评论的数据集中挖掘与隐私和安全相关的评论(PSRs)来评估CMER的有效性。首先，我们评估了四个NLI模型，并比较了特定领域假设与通用假设的结果。接着，我们评估了三个大型语言模型用于分类任务。最后，我们将最佳NLI和LLM模型组合在一起(CMER)，并提取了2178条先前研究使用关键词方法忽略的额外PSRs，从而展示了CMER的有效性。这些评论可以进一步细化为可操作的需求制品。
引用
@article{arxiv.2507.09049,
title = {CMER: A Context-Aware Approach for Mining Ethical Concern-related App Reviews},
author = {Aakash Sorathiya and Gouri Ginde},
journal= {arXiv preprint arXiv:2507.09049},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2411.07398