移除还是不移除移动应用?一种数据驱动的预测模型方法
密码学与安全
2022-10-05 v1 机器学习
摘要
移动应用商店是移动应用的关键分发渠道。它们定期对已上架应用执行审查流程。然而,部分审查流程可能不充分或执行过晚。应用的迟滞下架可能对开发者和用户均造成不良后果。因此,本工作中我们提出一种数据驱动的预测方法,用于判定相应应用将被下架还是通过,并指示有助于利益相关者解读的特征相关性。进而,我们的方法可支持开发者改进其应用,并帮助用户下载那些不太可能被移除的应用。我们聚焦于Google应用商店,并编制了包含870,515个应用的新数据集,其中56%实际上已被市场下架。我们提出的方法是对多个XGBoost机器学习分类器的自助聚合(bootstrap aggregating)。我们提出两种模型:使用47个特征的用户中心模型,以及使用37个(仅部署前可得)特征的开发者中心模型。我们在测试集上取得如下ROC曲线下面积(AUC):用户中心=0.792,开发者中心=0.762。
引用
@article{arxiv.2206.03905,
title = {To remove or not remove Mobile Apps? A data-driven predictive model approach},
author = {Fadi Mohsen and Dimka Karastoyanova and George Azzopardi},
journal= {arXiv preprint arXiv:2206.03905},
year = {2022}
}