基于在线联合情感-主题追踪的新兴应用问题识别
软件工程
2020-08-25 v1 计算与语言
摘要
数百万移动应用可在应用商店中获取，例如 Apple 的 App Store 和 Google Play。对于一款移动应用，从海量竞争者中脱颖而出并在用户中流行变得愈发困难。良好的用户体验和精心设计的功能是成功应用的关键。为此，热门应用通常频繁安排更新。若能及时准确地捕捉用户面临的关键应用问题，开发者便可及时更新，从而保障良好的用户体验。已有先前研究通过分析评论来检测新兴应用问题，这些研究通常基于主题建模或聚类技术。然而，用户评论的短文本特征和情感未被考虑。本文提出一种名为 MERIT 的新兴问题检测方法，以兼顾上述两方面特征。具体而言，我们提出一种自适应在线双词情感-主题（AOBST）模型，用于联合建模考虑应用版本的主题及其对应情感。基于 AOBST 模型，我们推断某一应用版本用户评论中负面反映的主题，并用最相关的短语和句子自动解释主题含义。在 Google Play 和 Apple 的 App Store 上热门应用的实验证明了 MERIT 在识别新兴应用问题上的有效性，其 F1-score 较最先进方法提升 22.3%。在效率方面，MERIT 可在可接受时间内返回结果。
引用
@article{arxiv.2008.09976,
title = {Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing},
author = {Cuiyun Gao and Jichuan Zeng and Zhiyuan Wen and David Lo and Xin Xia and Irwin King and Michael R. Lyu},
journal= {arXiv preprint arXiv:2008.09976},
year = {2020}
}