論文の概要: ReviewViz: Assisting Developers Perform Empirical Study on Energy
Consumption Related Reviews for Mobile Applications
- arxiv url: http://arxiv.org/abs/2009.06027v2
- Date: Sat, 20 Mar 2021 00:26:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 03:17:10.654797
- Title: ReviewViz: Assisting Developers Perform Empirical Study on Energy
Consumption Related Reviews for Mobile Applications
- Title（参考訳）: ReviewViz: モバイルアプリケーションにおけるエネルギー消費関連レビューを実践する開発者支援
- Authors: Mohammad Abdul Hadi and Fatemeh H Fard
- Abstract要約: 本研究では,機械学習アルゴリズムとテキスト機能を用いて,エネルギー消費別レビューを自動的に識別する。
開発者がレビューで議論される主要なトピックを抽出するのを助けるために、アートトピックモデリングアルゴリズムの2つの状態が適用される。
Webブラウザベースのインタラクティブな視覚化ツールの開発は、アプリ開発者に洞察を与える目的で開発された新しいフレームワークである。
- 参考スコア（独自算出の注目度）: 2.1320960069210484
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Improving the energy efficiency of mobile applications is a topic that has
gained a lot of attention recently. It has been addressed in a number of ways
such as identifying energy bugs and developing a catalog of energy patterns.
Previous work shows that users discuss the battery-related issues (energy
inefficiency or energy consumption) of the apps in their reviews. However,
there is no work that addresses the automatic extraction of battery-related
issues from users' feedback. In this paper, we report on a visualization tool
that is developed to empirically study machine learning algorithms and text
features to automatically identify the energy consumption specific reviews with
the highest accuracy. Other than the common machine learning algorithms, we
utilize deep learning models with different word embeddings to compare the
results. Furthermore, to help the developers extract the main topics that are
discussed in the reviews, two states of the art topic modeling algorithms are
applied. The visualizations of the topics represent the keywords that are
extracted for each topic along with a comparison with the results of string
matching. The developed web-browser based interactive visualization tool is a
novel framework developed with the intention of giving the app developers
insights about running time and accuracy of machine learning and deep learning
models as well as extracted topics. The tool makes it easier for the developers
to traverse through the extensive result set generated by the text
classification and topic modeling algorithms. The dynamic-data structure used
for the tool stores the baseline-results of the discussed approaches and is
updated when applied on new datasets. The tool is open-sourced to replicate the
research results.
- Abstract（参考訳）: 近年,モバイルアプリケーションのエネルギー効率向上が注目されている。
エネルギーのバグの特定やエネルギーパターンのカタログの開発など、様々な方法で対処されてきた。
これまでの研究によると、ユーザーはレビューの中でバッテリー関連の問題(エネルギー不効率やエネルギー消費)を議論している。
しかし,ユーザからのフィードバックからバッテリ関連の問題を自動抽出する作業は行われていない。
本稿では,機械学習アルゴリズムとテキスト特徴を実証的に研究し,高い精度で消費エネルギー別レビューを自動的に識別する可視化ツールについて報告する。
一般的な機械学習アルゴリズム以外では、異なる単語埋め込みを持つディープラーニングモデルを使用して結果を比較します。
さらに、レビューで議論されている主なトピックを抽出するのを助けるために、アートトピックモデリングアルゴリズムの2つの状態が適用される。
トピックの可視化は、文字列マッチングの結果との比較とともに、トピック毎に抽出されたキーワードを表す。
開発したWebブラウザベースのインタラクティブ視覚化ツールは,マシンラーニングとディープラーニングモデルの実行時間と正確性,さらには抽出されたトピックに関する洞察をアプリ開発者に提供する目的で開発された,新たなフレームワークだ。
このツールは、開発者がテキスト分類とトピックモデリングアルゴリズムによって生成された広範囲な結果を簡単にトラバースできるようにする。
このツールで使用される動的データ構造は、議論されたアプローチのベースラインを格納し、新しいデータセットに適用すると更新される。
このツールは、研究結果を再現するためにオープンソースである。
関連論文リスト
- Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
言語モデルの性能の効果的な指標としての可能性を示す。
提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
論文 参考訳（メタデータ） (2024-11-12T13:14:09Z) - Leveraging Large Language Models for Mobile App Review Feature Extraction [4.879919005707447]
本研究では,エンコーダのみの大規模言語モデルがモバイルアプリレビューから特徴抽出を促進できるという仮説を考察する。
クラウドソーシングされたアノテーションを産業的文脈から活用することにより、特徴抽出を教師付きトークン分類タスクとして再定義する。
実験により,抽出した特徴の精度とリコールが向上し,性能効率が向上することが確認された。
論文 参考訳（メタデータ） (2024-08-02T07:31:57Z) - generAItor: Tree-in-the-Loop Text Generation for Language Model
Explainability and Adaptation [28.715001906405362]
大規模言語モデル(LLM)は、自動補完、補助的な書き込み、チャットベースのテキスト生成など、様々な下流タスクに広くデプロイされている。
本稿では,ビーム探索ツリーの視覚的表現を解析,説明,適応する中心的な要素とする,ループ内ツリーのアプローチを提案することで,この欠点に対処する。
視覚解析技術であるGenerAItorを,タスク固有のウィジェットで中央ビーム探索木を拡大し,ターゲットとした可視化とインタラクションの可能性を提供する。
論文 参考訳（メタデータ） (2024-03-12T13:09:15Z) - On the Identification of the Energy related Issues from the App Reviews [0.0]
アプリのエネルギ非効率性は、App Storeで広く議論されているアプリユーザーにとって大きな問題となる可能性がある。
これまでの研究では、エネルギー関連アプリのレビューを調査して、エネルギー関連ユーザのフィードバックの主要な原因やカテゴリを特定することが重要であった。
本研究では,エネルギー関連ユーザのフィードバックを自動的に抽出する様々な手法を実証的に研究する。
論文 参考訳（メタデータ） (2023-04-22T01:54:30Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳（メタデータ） (2023-01-30T12:38:31Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - ALBench: A Framework for Evaluating Active Learning in Object Detection [102.81795062493536]
本稿では、オブジェクト検出におけるアクティブラーニングを評価するために、ALBenchという名前のアクティブラーニングベンチマークフレームワークをコントリビュートする。
自動深層モデルトレーニングシステム上で開発されたこのALBenchフレームワークは、使いやすく、さまざまなアクティブな学習アルゴリズムと互換性があり、同じトレーニングおよびテストプロトコルを保証する。
論文 参考訳（メタデータ） (2022-07-27T07:46:23Z) - Automatic Short Math Answer Grading via In-context Meta-learning [2.0263791972068628]
本研究では,数学質問に対する児童生徒の回答に対する自動短解格付けの問題について検討する。
我々は、数学的な内容に適応した人気のある言語モデルBERTの変種である MathBERT をベースモデルとして使用しています。
第二に、言語モデルへの入力としてスコアリングサンプルを提供する、コンテキスト内学習アプローチを用いる。
論文 参考訳（メタデータ） (2022-05-30T16:26:02Z) - An Empirical Investigation of Commonsense Self-Supervision with
Knowledge Graphs [67.23285413610243]
大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。
本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
論文 参考訳（メタデータ） (2022-05-21T19:49:04Z) - ELEVATER: A Benchmark and Toolkit for Evaluating Language-Augmented
Visual Models [102.63817106363597]
ELEVATERは、事前訓練された言語拡張ビジュアルモデルの比較と評価を行う最初のベンチマークである。
20の画像分類データセットと35のオブジェクト検出データセットで構成され、それぞれが外部知識で拡張されている。
研究コミュニティ向けのツールキットと評価プラットフォームをリリースします。
論文 参考訳（メタデータ） (2022-04-19T10:23:42Z) - Improving Performance of Automated Essay Scoring by using
back-translation essays and adjusted scores [0.0]
バックトランスレーションとスコア調整を用いたエッセイスコアペア数を増やす手法を提案する。
先行作業から得られたモデルを用いて,拡張データの有効性を評価する。
モデルをトレーニングするために拡張データを使用することで、モデルの性能が向上した。
論文 参考訳（メタデータ） (2022-03-01T11:05:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。