論文の概要: TOUR: Dynamic Topic and Sentiment Analysis of User Reviews for Assisting App Release

• arxiv url: http://arxiv.org/abs/2103.15774v2
• Date: Fri, 20 Aug 2021 11:24:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 19:01:09.135215
• Title: TOUR: Dynamic Topic and Sentiment Analysis of User Reviews for Assisting App Release
• Title（参考訳）: TOUR: アプリリリース支援のためのユーザレビューの動的トピックと感性分析
• Authors: Tianyi Yang, Cuiyun Gao, Jingya Zang, David Lo, Michael R. Lyu
• Abstract要約: TOURは、(i)アプリバージョンよりも新しいアプリの問題を検知し、要約し、(ii)アプリ機能に対するユーザー感情を特定し、(iii)開発者の検査を容易にするために重要なユーザーレビューを優先順位付けすることができる。
• 参考スコア（独自算出の注目度）: 34.529117157417176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: App reviews deliver user opinions and emerging issues (e.g., new bugs) about the app releases. Due to the dynamic nature of app reviews, topics and sentiment of the reviews would change along with app release versions. Although several studies have focused on summarizing user opinions by analyzing user sentiment towards app features, no practical tool is released. The large quantity of reviews and noise words also necessitates an automated tool for monitoring user reviews. In this paper, we introduce TOUR for dynamic TOpic and sentiment analysis of User Reviews. TOUR is able to (i) detect and summarize emerging app issues over app versions, (ii) identify user sentiment towards app features, and (iii) prioritize important user reviews for facilitating developers' examination. The core techniques of TOUR include the online topic modeling approach and sentiment prediction strategy. TOUR provides entries for developers to customize the hyper-parameters and the results are presented in an interactive way. We evaluate TOUR by conducting a developer survey that involves 15 developers, and all of them confirm the practical usefulness of the recommended feature changes by TOUR.
• Abstract（参考訳）: アプリレビューは、アプリリリースに関するユーザの意見と新たな問題(新しいバグなど)を提供する。 アプリのレビューのダイナミックな性質から、アプリのリリースバージョンとともに、レビューのトピックや感情が変わるだろう。 アプリ機能に対するユーザ感情を分析してユーザ意見を要約することに焦点を当てた研究もいくつかあるが、実用的なツールはリリースされていない。 大量のレビューとノイズワードは、ユーザーレビューを監視する自動化ツールも必要である。 本稿では,ユーザレビューの動的トピックと感情分析のためのTOURを紹介する。 TOUR (複数形 TOURs) (i)アプリバージョンよりも新しいアプリの問題を検出し、まとめる。 (二)アプリ機能に対するユーザ感情を識別し、 三 開発者の審査を促進するために重要なユーザレビューを優先すること。 TOURの中核となる技術は、オンライントピックモデリングアプローチと感情予測戦略である。 TOURはハイパーパラメータをカスタマイズするためのエントリを提供し、結果がインタラクティブな方法で表示される。 我々は,15人の開発者を対象とした開発者調査を実施し,ツアーによる推奨機能変更の実用的有用性を確認した。

関連論文リスト

• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• The Best Ends by the Best Means: Ethical Concerns in App Reviews [2.0625936401496237]
  App Storeのレビューでは,ソフトウェア欠陥を特定する上で不可欠な,ユーザの視点の収集が可能になる。 ユーザレビュー500万件を収集し、ユーザの好みを表す倫理的懸念のセットを開発し、これらのレビューのサンプルを手作業でラベル付けしました。 検閲、個人情報盗難、安全に関する倫理的懸念を強く報告していることがわかりました。
  論文  参考訳（メタデータ） (2024-01-19T23:53:26Z)
• Proactive Prioritization of App Issues via Contrastive Learning [2.6763498831034043]
  本稿では,アプリの問題を積極的に優先順位付けする新しいフレームワークPPriorを提案する。 PPriorはトレーニング済みのT5モデルを採用し、3段階で動作する。 フェーズ1は、事前訓練されたT5モデルを、セルフ教師された方法でユーザレビューデータに適用する。 第2フェーズでは、コントラストトレーニングを活用して、ユーザレビューの汎用的かつタスクに依存しない表現を学習する。
  論文  参考訳（メタデータ） (2023-03-12T06:23:10Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
  現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。 CRS開発の主な課題を5つの方向にまとめます。 これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
  論文  参考訳（メタデータ） (2021-01-23T08:53:15Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• How Useful are Reviews for Recommendation? A Critical Review and Potential Improvements [8.471274313213092]
  本稿では,レビューテキストを用いてレコメンデーションシステムの改善を目指す,新たな作業体系について検討する。 実験条件やデータ前処理に変化はあるものの, 論文間で結果がコピーされていることから, 報告結果にいくつかの相違点がみられた。 さらなる調査では、リコメンデーションのためのユーザレビューの"重要"に関して、はるかに大きな問題に関する議論が求められている。
  論文  参考訳（メタデータ） (2020-05-25T16:30:05Z)
• Automating App Review Response Generation [67.58267006314415]
  本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。 58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-10T05:23:38Z)

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。