Fugu-MT 論文翻訳(概要): An Annexure to the Paper "Driving the Technology Value Stream by Analyzing App Reviews"

論文の概要: An Annexure to the Paper "Driving the Technology Value Stream by Analyzing App Reviews"

arxiv url: http://arxiv.org/abs/2303.04519v1
Date: Wed, 8 Mar 2023 11:18:27 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 14:24:14.596285
Title: An Annexure to the Paper "Driving the Technology Value Stream by Analyzing App Reviews"
Title（参考訳）: アプリレビューの分析による技術価値ストリームの推進」論文の編集にあたって
Authors: Souvick Das, Novarun Deb, Agostino Cortesi and Nabendu Chaki
Abstract要約: このフレームワークにより、ソフトウェア企業は、ユーザレビューに基づいて、彼らの技術価値ストリームを駆動できる。フレームワークは深く分析され、その有効性について評価される。
参考スコア（独自算出の注目度）: 3.1733862899654643
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a novel framework that utilizes Natural Language Processing (NLP) techniques to understand user feedback on mobile applications. The framework allows software companies to drive their technology value stream based on user reviews, which can highlight areas for improvement. The framework is analyzed in depth, and its modules are evaluated for their effectiveness. The proposed approach is demonstrated to be effective through an analysis of reviews for sixteen popular Android Play Store applications over a long period of time.
Abstract（参考訳）: 本稿では,NLP(Natural Language Processing)技術を用いて,モバイルアプリケーションのユーザフィードバックを理解する新しいフレームワークを提案する。このフレームワークにより、ソフトウェア企業はユーザレビューに基づいた技術バリューストリームを推進でき、改善すべき領域を強調することができる。フレームワークは深く分析され、モジュールはその有効性について評価される。提案手法は,16種類のandroid play storeアプリケーションのレビューを長期にわたって分析することにより有効であることが実証された。

関連論文リスト

TG-LLaVA: Text Guided LLaVA via Learnable Latent Embeddings [61.9257731511557]
視覚言語モデル(VLM)を最適化するためのテキストガイド付きLLaVA(TG-LLaVA)を提案する。学習可能な潜伏埋め込みをブリッジとして使用し、テキスト命令を分析し、視覚エンコーダに解析結果をガイダンスとして付加する。テキストのガイダンスによって、視覚エンコーダは、人間が質問を考えるとき、画像の最も関連性の高い部分に集中する方法と同様に、テキスト関連の特徴を抽出することができる。
論文参考訳（メタデータ） (2024-09-15T00:38:34Z)
Scaling Technology Acceptance Analysis with Large Language Model (LLM) Annotation Systems [0.0]
テクノロジーアクセプションモデルは、ユーザーが新しいテクノロジー製品をどのように採用するかを効果的に予測する。伝統的な調査は、しばしば高価で扱いにくいもので、この評価によく使われている。調査の代替として,オンラインユーザ生成コンテンツに注釈をつけるための大規模言語モデルについて検討する。
論文参考訳（メタデータ） (2024-06-30T14:01:06Z)
A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。新たに登場したAI生成の文献レビューも評価されている。この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文参考訳（メタデータ） (2024-02-20T11:28:50Z)
Revise and Resubmit: An Intertextual Model of Text-based Collaboration in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。既存のNLP研究は個々のテキストの分析に重点を置いている。編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文参考訳（メタデータ） (2022-04-22T16:39:38Z)
Ranking Scientific Papers Using Preference Learning [48.78161994501516]
我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
論文参考訳（メタデータ） (2021-09-02T19:41:47Z)
Android Security using NLP Techniques: A Review [1.218340575383456]
Androidはアタッカーが最もターゲットとするプラットフォームの一つだ。静的および動的解析に基づく従来のソリューションは進化してきた。本研究は,この領域における最先端技術を示すことによって,今後の研究の方向性を探究することを目的としている。
論文参考訳（メタデータ） (2021-07-07T08:33:00Z)
TOUR: Dynamic Topic and Sentiment Analysis of User Reviews for Assisting App Release [34.529117157417176]
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。
論文参考訳（メタデータ） (2021-03-26T08:44:55Z)
Sentiment Analysis of Users' Reviews on COVID-19 Contact Tracing Apps with a Benchmark Dataset [6.592595861973966]
接触追跡は、新型コロナウイルスの感染率を制御する戦いで世界的に採用されています。スマートフォンやウェアラブルデバイスなどのデジタル技術のおかげで、COVID-19患者の連絡先を簡単に追跡し、ウイルスへの潜在的な曝露について知らせることができます。興味深いモバイルアプリケーションもいくつか開発されている。しかしながら、これらのアプリケーションの動作メカニズムやパフォーマンスに対する懸念はますます高まっている。本研究では,クラウドソーシングによる手動アノテーションから始めるパイプラインを提案し,ユーザのレビュー自動感情分析のためのaiモデルの開発とトレーニングについて考察する。
論文参考訳（メタデータ） (2021-03-01T18:43:10Z)
Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文参考訳（メタデータ） (2020-11-02T08:07:50Z)
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)

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。