应用评论中的解释需求：分类体系与自动检测
软件工程
2023-07-11 v1
摘要
可解释性，即系统向用户解释其行为的能力，已成为软件密集型系统的一项重要质量属性。近期工作聚焦于为各种算法范式（如机器学习、自适应系统）生成解释的方法。关于应解释哪些情况和行为类型的研究相对较少，同时也缺乏获取可解释性需求的支持。本工作中，我们探究用户在应用评论中表达的解释需求。我们手动标注了来自8款应用的1,730条应用评论，并推导出解释需求的分类体系。我们还探索了多种自动识别应用评论中解释需求的方法。我们的最佳分类器以86%的加权F值识别了4款不同应用中486条未见过评论里的解释需求。我们的工作有助于更好地理解用户的解释需求。自动化工具可帮助工程师关注这些需求，并最终获取有效的解释需求。
引用
@article{arxiv.2307.04367,
title = {Explanation Needs in App Reviews: Taxonomy and Automated Detection},
author = {Max Unterbusch and Mersedeh Sadeghi and Jannik Fischbach and Martin Obaidi and Andreas Vogelsang},
journal= {arXiv preprint arXiv:2307.04367},
year = {2023}
}