| 一种语义感知的细粒度App评论缺陷挖掘方法 |
| |
| 引用本文： | 王亚文,王俊杰,石琳,王青. 一种语义感知的细粒度App评论缺陷挖掘方法[J]. 软件学报, 2023, 34(4): 1613-1629 |
| |
| 作者姓名： | 王亚文 王俊杰 石琳 王青 |
| |
| 作者单位： | 中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 100049;中国科学院软件研究所 互联网软件技术实验室, 北京 100190;中国科学院大学, 北京 100049;计算机科学国家重点实验室(中国科学院 软件研究所), 北京 100190 |
| |
| 基金项目： | 国家重点研发计划(2018YFB1403400); 国家自然科学基金(62072442) |
| |
| 摘 要： | 手机用户提交的App评论为开发者提供了一个了解用户满意度的沟通渠道.许多用户通常使用“senda video”和“crash”等关键短语来描述有缺陷的功能(即用户操作)和App的异常行为(即异常行为),而这些短语可能会与其他琐碎信息(如用户的抱怨)一起交杂在评论文本中.掌握这些细粒度信息可以帮助开发者理解来自用户的功能需求或缺陷报告,进而有利于提升App的质量.现有的基于模式的目标短语提取方法只能对评论的高层主题/方面进行总结,并且由于对评论的语义理解不足,短语提取的性能较差.提出了一种语义感知的细粒度App评论缺陷挖掘方法(Arab),来提取用户操作和异常行为,并挖掘两者之间的关联关系.设计了一种新颖的用于提取细粒度目标短语的神经网络模型,该模型将文本描述和评论属性相结合,能更好地建模评论的语义.Arab还根据语义关系对提取的短语进行聚类,并将用户操作和异常行为之间的关联关系进行了可视化.使用6个App的3426条评论进行评估实验,实验结果证实了Arab在短语提取方面的有效性.进一步使用Arab对15个热门App的301 415条评论进行了案例研究,以探索其潜在的应用,并验证其在大规...
|
| 关 键 词： | App评论 信息提取 深度学习 |
| 收稿时间： | 2022-01-19 |
| 修稿时间： | 2022-03-04 |
Semantic-aware and Fine-grained App Review Bug Mining Approach |
| |
| WANG Ya-Wen,WANG Jun-Jie,SHI Lin,WANG Qing. Semantic-aware and Fine-grained App Review Bug Mining Approach[J]. Journal of Software, 2023, 34(4): 1613-1629 |
| |
| Authors: | WANG Ya-Wen WANG Jun-Jie SHI Lin WANG Qing |
| |
| Affiliation: | Laboratory for Internet Software Technologies, Institute of Software, Chinese Academy of Sciences, Beijing 100190, China;University of Chinese Academy of Sciences, Beijing 100049, China; Laboratory for Internet Software Technologies, Institute of Software, Chinese Academy of Sciences, Beijing 100190, China;University of Chinese Academy of Sciences, Beijing 100049, China;State Key Laboratory of Computer Sciences (Institute of Software, Chinese Academy of Sciences), Beijing 100190, China |
| |
| Abstract: | |
| |
| Keywords: | App review information extraction deep learning |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
