論文の概要: Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log
- arxiv url: http://arxiv.org/abs/2311.15179v1
- Date: Sun, 26 Nov 2023 03:52:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 19:15:01.683434
- Title: Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log
- Title（参考訳）: ユーザフィードバックとアプリ更新ログの対一致機能点における時系列利用によるユーザ貢献率の推定
- Authors: Shiqi Duan, Jianxun Liu, Yong Xiao, Xiangping Zhang
- Abstract要約: 本稿では,アプリ更新ログとユーザレビューに存在する時間的相関認識に基づく定量的分析手法を提案する。
このスキームの主な考え方は、有効なユーザレビューをユーザ要件として、アプリの更新ログを開発者対応として検討することだ。
これらのアプリの機能のうち16.6%-43.2%は、オンラインの人気ユーザー要求の推進と関係があることが判明した。
- 参考スコア（独自算出の注目度）: 3.750389260169302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile applications have become an inseparable part of people's daily life.
Nonetheless, the market competition is extremely fierce, and apps lacking
recognition among most users are susceptible to market elimination. To this
end, developers must swiftly and accurately apprehend the requirements of the
wider user base to effectively strategize and promote their apps' orderly and
healthy evolution. The rate at which general user requirements are adopted by
developers, or user contribution, is a very valuable metric that can be an
important tool for app developers or software engineering researchers to
measure or gain insight into the evolution of app requirements and predict the
evolution of app software. Regrettably, the landscape lacks refined
quantitative analysis approaches and tools for this pivotal indicator. To
address this problem, this paper exploratively proposes a quantitative analysis
approach based on the temporal correlation perception that exists in the app
update log and user reviews, which provides a feasible solution for
quantitatively obtaining the user contribution. The main idea of this scheme is
to consider valid user reviews as user requirements and app update logs as
developer responses, and to mine and analyze the pairwise and chronological
relationships existing between the two by text computing, thus constructing a
feasible approach for quantitatively calculating user contribution. To
demonstrate the feasibility of the approach, this paper collects data from four
Chinese apps in the App Store in mainland China and one English app in the U.S.
region, including 2,178 update logs and 4,236,417 user reviews, and from the
results of the experiment, it was found that 16.6%-43.2% of the feature of
these apps would be related to the drive from the online popular user
requirements.
- Abstract（参考訳）: モバイルアプリケーションは、人々の日常生活の不可分な部分となっている。
それでも市場競争は非常に激しく、ほとんどのユーザーの間で認識されていないアプリは市場排除の影響を受けやすい。
この目的のためにデベロッパーは、より広いユーザー基盤の要求を迅速かつ正確に理解し、アプリの秩序と健全な進化を効果的に戦略化し促進する必要がある。
一般的なユーザ要件が開発者によって採用される率、あるいはユーザコントリビューションは、アプリケーション開発者やソフトウェアエンジニアリング研究者にとって、アプリ要件の進化を測ったり、洞察を得て、アプリのソフトウェアの進化を予測する上で重要なツールとなる、非常に価値のある指標です。
残念なことに、この重要な指標には洗練された定量的分析アプローチやツールが欠けている。
この問題に対処するために,本稿では,アプリの更新ログとユーザレビューに存在する時間的相関知覚に基づく定量的分析手法を提案する。
本手法の主な考え方は,ユーザ要求とアプリの更新ログを開発者対応として検討し,テキスト・コンピューティングによって両者の相互関係と時系列関係を抽出・解析し,ユーザの貢献度を定量的に計算する実現可能なアプローチを構築することである。
このアプローチの実現可能性を示すため,本論文では,中国本土のApp Storeの4つの中国アプリと,米国内の1つの英国アプリから,2,178件の更新ログと4,236,417件のユーザレビューを含むデータを収集し,実験結果から,これらのアプリの機能のうち16.6%～43.2%が,オンラインユーザ要件の推進に関連していることが判明した。
関連論文リスト
- Evaluating Cultural and Social Awareness of LLM Web Agents [113.49968423990616]
CASAは,大規模言語モデルの文化的・社会的規範に対する感受性を評価するためのベンチマークである。
提案手法は,標準に違反するユーザクエリや観察を検知し,適切に応答するLLMエージェントの能力を評価する。
実験により、現在のLLMは非エージェント環境で大幅に性能が向上していることが示された。
論文 参考訳（メタデータ） (2024-10-30T17:35:44Z) - Exploring Requirements Elicitation from App Store User Reviews Using Large Language Models [0.0]
本研究は,大規模言語モデルのパワーを活用して,ユーザレビューの分析を行い,自動要求の導出を行うアプローチを提案する。
有用性を示すようにラベル付けされたアプリレビューのデータセット上に,確立された3つのLMM BERT, DistilBERT, GEMMAを微調整した。
評価の結果、BERTの精度は92.40%、F1スコアは92.39%であり、有用レビューを正確に分類する効果が示された。
論文 参考訳（メタデータ） (2024-09-23T18:57:31Z) - Retrieval Augmentation via User Interest Clustering [57.63883506013693]
インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。
本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。
当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
論文 参考訳（メタデータ） (2024-08-07T16:35:10Z) - Unveiling Competition Dynamics in Mobile App Markets through User Reviews [3.745456537037604]
モバイルアプリ市場分析を支援するための,新しい自動手法を提案する。
提案手法は,新たに公開されたユーザレビューに基づいて,定量的なメトリクスとイベント検出技術を活用する。
本研究の結果から,選択された市場セグメント内の関連事象の検出に関する実証的証拠が得られた。
論文 参考訳（メタデータ） (2023-12-04T15:50:16Z) - 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) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。
このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。
各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文 参考訳（メタデータ） (2020-12-15T22:15:20Z) - Towards Mass Adoption of Contact Tracing Apps -- Learning from Users'
Preferences to Improve App Design [3.187723878624947]
市場調査手法とコンジョイント分析を用いて,接触追跡アプリのユーザ嗜好について検討する。
欧州の連絡先追跡アプリのプライバシー保護設計を確認した。
目標整合性機能の追加は、大量導入を促進する上で重要な役割を果たすと結論付けている。
論文 参考訳（メタデータ） (2020-11-24T19:08:09Z) - 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) - 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。