推特用户支持对话中上下文信息的提取与分析
软件工程
2019-08-01 v1
摘要
尽管许多应用内置了报告错误或请求功能的选项，用户仍通过社交媒体（如 Twitter）提供越来越多的反馈。与传统问题跟踪器相比，社交媒体中的报告过程是非结构化的，且反馈常常缺乏基本上下文信息，例如遇到问题时所涉及的应用版本或设备。为了使这些反馈对开发者可用，支持团队需与用户进行反复且费力的对话以澄清缺失的上下文项。本文介绍了一种简单的方法，可准确从移动应用的非结构化、非正式用户反馈中提取基本上下文信息，包括平台、设备、应用版本和系统版本。针对来自 Netflix、Snapchat 和 Spotify 三个热门应用官方 Twitter 支持账户的 3014 条推文真值集进行评估，我们的方法对不同上下文项类型取得了 81% 至 99% 的准确率和 86% 至 98% 的召回率。结合自动向报告用户请求缺失上下文项的聊天机器人，我们的方法旨在以结构化错误报告自动填充问题跟踪器。
引用
@article{arxiv.1907.13395,
title = {Extracting and Analyzing Context Information in User-Support Conversations on Twitter},
author = {Daniel Martens and Walid Maalej},
journal= {arXiv preprint arXiv:1907.13395},
year = {2019}
}