論文の概要: AppQ: Warm-starting App Recommendation Based on View Graphs

• arxiv url: http://arxiv.org/abs/2109.03798v1
• Date: Wed, 8 Sep 2021 17:40:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 13:31:44.014166
• Title: AppQ: Warm-starting App Recommendation Based on View Graphs
• Title（参考訳）: AppQ:ビューグラフに基づいたウォームスタートアプリ推奨
• Authors: Dan Su, Jiqiang Liu, Sencun Zhu, Xiaoyang Wang, Wei Wang, Xiangliang Zhang
• Abstract要約: 新しいアプリには、昔ながらのコールドスタート問題に悩まされているユーザーからのフィードバックがほとんど(あるいは全くない)ないことが多い。 ここで、基本的な要件は、ユーザ生成機能ではなく、生来のフィーチャに基づいてアプリの品質を正確に測定する能力である。 そこで本研究では,アプリソースコードに基づいて,アプリ固有の特徴を抽出するアプリケーション品質評価とレコメンデーションシステムであるAppQを提案する。
• 参考スコア（独自算出の注目度）: 37.37177133951606
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Current app ranking and recommendation systems are mainly based on user-generated information, e.g., number of downloads and ratings. However, new apps often have few (or even no) user feedback, suffering from the classic cold-start problem. How to quickly identify and then recommend new apps of high quality is a challenging issue. Here, a fundamental requirement is the capability to accurately measure an app's quality based on its inborn features, rather than user-generated features. Since users obtain first-hand experience of an app by interacting with its views, we speculate that the inborn features are largely related to the visual quality of individual views in an app and the ways the views switch to one another. In this work, we propose AppQ, a novel app quality grading and recommendation system that extracts inborn features of apps based on app source code. In particular, AppQ works in parallel to perform code analysis to extract app-level features as well as dynamic analysis to capture view-level layout hierarchy and the switching among views. Each app is then expressed as an attributed view graph, which is converted into a vector and fed to classifiers for recognizing its quality classes. Our evaluation with an app dataset from Google Play reports that AppQ achieves the best performance with accuracy of 85.0\%. This shows a lot of promise to warm-start app grading and recommendation systems with AppQ.
• Abstract（参考訳）: 現在のアプリランキングとレコメンデーションシステムは主にユーザ生成情報に基づいており、例えばダウンロード数やレーティング数などである。 しかし、新しいアプリはユーザーからのフィードバックがほとんど(あるいは全く)なく、古典的なコールドスタートの問題に苦しんでいる。 高品質の新しいアプリを素早く識別し、推薦する方法は、難しい問題だ。 ここで、基本的な要件は、ユーザ生成機能ではなく、生来のフィーチャに基づいてアプリの品質を正確に測定する能力である。 ユーザは、ビューと対話することで、アプリの直接体験を得るので、生まれたばかりの機能は、アプリ内の個々のビューの視覚的品質と、ビューの相互切り替え方法に大きく関係していると推測する。 そこで本研究では,アプリソースコードに基づいて,アプリ固有の特徴を抽出するアプリケーション品質評価とレコメンデーションシステムであるAppQを提案する。 特に、AppQは並列でコード解析を行い、アプリケーションレベルの特徴を抽出し、動的解析によってビューレベルのレイアウト階層とビュー間の切り替えをキャプチャする。 それぞれのアプリは属性付きビューグラフとして表現され、ベクターに変換して、その品質クラスを認識するために分類器に渡される。 Google Playのアプリデータセットによる評価では、AppQは85.0\%の精度で最高のパフォーマンスを達成している。 これは、AppQでアプリのグレードとレコメンデーションシステムのウォームスタートを約束している。

関連論文リスト

• Shannon Entropy is better Feature than Category and Sentiment in User Feedback Processing [0.0]
  標準機能を置き換えるシンプルな機能として,Shannon Entropyを提案する。 以上の結果から, シャノンエントロピーに基づくランキングは, NDCGの基準値よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-09-18T14:26:19Z)
• Localizing Events in Videos with Multimodal Queries [61.20556229245365]
  セマンティッククエリに基づくビデオ内のイベントのローカライズは、ビデオ理解における重要なタスクである。 マルチモーダルクエリでビデオ中のイベントをローカライズするための新しいベンチマークであるICQを紹介する。 疑似MQs戦略における3つのマルチモーダルクエリ適応法と新しいサロゲートファインタニングを提案する。
  論文  参考訳（メタデータ） (2024-06-14T14:35:58Z)
• More Insight from Being More Focused: Analysis of Clustered Market Apps [2.66221280030096]
  最近の調査では、主に全アプリのサンプリングが検討されている。 プロプライエタリなソフトウェアやWebベースのサービスと同様に、より均一なサンプルを見ることで、より具体的な結果が期待できる。 本稿では,アプリの同質なサンプルを対象とし,分析から得られる洞察の度合いを高める。
  論文  参考訳（メタデータ） (2024-05-24T17:34:06Z)
• SQUARE: Automatic Question Answering Evaluation using Multiple Positive and Negative References [73.67707138779245]
  SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。 文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
  論文  参考訳（メタデータ） (2023-09-21T16:51:30Z)
• Testing Updated Apps by Adapting Learned Models [2.362412515574206]
  学習したモデルの継続的適応(CALM)は、アプリの更新を効率的にテストする自動テストアプローチである。 機能的正確性は、主にAppスクリーンの視覚的検査によって検証できるため、CALMは、ソフトウェアテスタによって視覚化されるAppスクリーンの数を最小化する。 実験により,CALMは6つの最先端手法よりも,更新手法と命令の比率が有意に高いことが示された。
  論文  参考訳（メタデータ） (2023-08-10T12:59:24Z)
• RnG-KBQA: Generation Augmented Iterative Ranking for Knowledge Base Question Answering [57.94658176442027]
  KBQAのランク・アンド・ジェネレートアプローチであるRnG-KBQAを提案する。 我々はGrailQA と WebQSP データセット上で,最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2021-09-17T17:58:28Z)
• 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)
• App-Aware Response Synthesis for User Reviews [7.466973484411213]
  AAR Synthはアプリケーション対応の応答合成システムである。 アプリ説明から最も関連性の高いアプリレビューと、最も関連性の高いスニペットを検索する。 融合機械学習モデルは、セq2seqモデルと機械読解モデルを統合する。
  論文  参考訳（メタデータ） (2020-07-31T01:28:02Z)
• In Defense of Grid Features for Visual Question Answering [65.71985794097426]
  視覚的質問応答(VQA)のためのグリッド機能を再検討し、驚くほどうまく機能することを発見した。 我々は、この観測が様々なVQAモデルに当てはまることを検証し、画像キャプションのような他のタスクによく当てはまることを検証した。 VQAモデルは、ピクセルから直接回答までエンドツーエンドで学習し、事前トレーニングでリージョンアノテーションを使わずに、強いパフォーマンスが達成可能であることを示す。
  論文  参考訳（メタデータ） (2020-01-10T18:59:13Z)

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。