从Google应用评论中感知大学生的观点
计算与语言
2023-12-13 v1 机器学习
摘要
Google应用市场通过评分和文本评论，在一个多语言环境中捕捉了来自全球各个角落用户的思想。由于评论信息呈指数级增长，无法手动提取其中的潜在信息。因此，利用自然语言处理（NLP）的机器学习和深度学习算法进行的情感分析，能够明确揭示和解读这些情绪。本研究对应用评论进行情感分类，并通过探索性分析识别大学生对应用市场的行为模式。我们应用了使用TP、TF和TF-IDF文本表示方案的机器学习算法，并在集成学习方法Bagging上评估其性能。在深度学习范式中，我们使用了词嵌入Glove。我们的模型在Google应用评论上训练，并在学生应用评论（SAR）数据集上进行测试。使用F分数和准确率对这些算法的各种组合进行了相互比较，并以图形方式突出了推论。在其他分类器中，SVM在二元组和TF-IDF方案上取得了良好的准确率（93.41%）和F分数（89%）。Bagging提升了LR和NB的性能，准确率分别达到87.88%和86.69%，F分数分别达到86%和78%。总体而言，基于Glove嵌入的LSTM记录了最高的准确率（95.2%）和F分数（88%）。
引用
@article{arxiv.2312.06705,
title = {Perceiving University Student's Opinions from Google App Reviews},
author = {Sakshi Ranjan and Subhankar Mishra},
journal= {arXiv preprint arXiv:2312.06705},
year = {2023}
}
备注
Accepted in Concurrency and Computation Practice and Experience