論文の概要: A Comparative Study of Full Apps and Lite Apps for Android

• arxiv url: http://arxiv.org/abs/2501.06401v2
• Date: Tue, 14 Jan 2025 10:16:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:29:29.601170
• Title: A Comparative Study of Full Apps and Lite Apps for Android
• Title（参考訳）: Android用フルアプリとライトアプリの比較検討
• Authors: Yutian Tang, Xiaojiang Du,
• Abstract要約: 本研究では,ライトアプリとフルアプリの類似点と相違点について,様々な観点から検討する。 われわれの調査結果は、既存の定型アプリが意図した目標を達成できないことを示唆している。 私たちの研究は、ライトアプリに関連する潜在的なセキュリティリスクも明らかにしています。
• 参考スコア（独自算出の注目度）: 14.981793310167015
• License:
• Abstract: App developers aim to create apps that cater to the needs of different types of users. This development approach, also known as the "one-size-fits-all" strategy, involves combining various functionalities into one app. However, this approach has drawbacks, such as lower conversion rates, slower download speed, larger attack surfaces, and lower update rates. To address these issues, developers have created "lite" versions to attract new users and enhance the user experience. Despite this, there has been no study conducted to examine the relationship between lite and full apps. To address this gap, we present a comparative study of lite apps, exploring the similarities and differences between lite and full apps from various perspectives. Our findings indicate that most existing lite apps fail to fulfill their intended goals (e.g., smaller in size, faster to download, and using less data). Our study also reveals the potential security risks associated with lite apps.
• Abstract（参考訳）: アプリ開発者は、さまざまなタイプのユーザーのニーズに対応するアプリを作ることを目指している。 この開発アプローチは、"ワンサイズフィットオール"戦略としても知られ、さまざまな機能をひとつのアプリに統合する。 しかし、このアプローチには、変換率の低下、ダウンロード速度の低下、攻撃面の増大、更新率の低下といった欠点がある。 これらの問題に対処するため、開発者は新しいユーザーを惹きつけ、ユーザーエクスペリエンスを高めるために"礼儀正しく"バージョンを作成しました。 それにもかかわらず、礼儀正しいアプリとフルアプリとの関係を調査する研究は行われていない。 このギャップに対処するため、さまざまな観点からライトアプリとフルアプリの類似点と相違点について比較検討する。 私たちの調査結果は,既存のライトアプリが意図した目標(例えば,サイズが小さく,ダウンロード速度が速く,データ使用量が少なくなるなど)を達成できていないことを示唆しています。 私たちの研究は、ライトアプリに関連する潜在的なセキュリティリスクも明らかにしています。

関連論文リスト

• 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)
• 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)
• What Is an App Store? The Software Engineering Perspective [8.551225450507687]
  アプリケーションストア」とは、エンドユーザーがソフトウェアアプリケーションを閲覧、購入、ダウンロード、インストールできるオンラインソフトウェアストアである。 今のところ、最もよく知られているアプリストアは、Google Play for AndroidやAppleのApp Store for iOSなど、モバイルプラットフォームに関連付けられている。 現在、多種多様なアプリストアがあり、これらのストアはほとんど研究者によって見過ごされている。
  論文  参考訳（メタデータ） (2024-01-08T23:56:45Z)
• Analysis of Longitudinal Changes in Privacy Behavior of Android Applications [79.71330613821037]
  本稿では,プライバシに関して,Androidアプリが時間とともにどのように変化してきたかを検討する。 HTTPSの採用、アプリが他のインストール済みアプリのデバイスをスキャンするかどうか、プライバシに敏感なデータに対するパーミッションの使用、ユニークな識別子の使用について検討する。 アプリがアップデートを受け続けるにつれて、プライバシ関連の振る舞いは時間とともに改善され、アプリによって使用されるサードパーティライブラリが、プライバシに関するより多くの問題に責任を負っていることが分かっています。
  論文  参考訳（メタデータ） (2021-12-28T16:21:31Z)
• Meta Navigator: Search for a Good Adaptation Policy for Few-shot Learning [113.05118113697111]
  少ないショット学習は、ラベル付きデータしか持たない新しいタスクに、以前のタスクから学んだ知識を適応させることを目的としている。 少数ショット学習に関する研究文献は、大きな多様性を示し、異なるアルゴリズムは、しばしば異なる少数ショット学習シナリオで優れている。 本稿では,メタナビゲータ(Meta Navigator)について紹介する。
  論文  参考訳（メタデータ） (2021-09-13T07:20:01Z)
• AppBuddy: Learning to Accomplish Tasks in Mobile Apps via Reinforcement Learning [19.990946219992992]
  モバイルアプリのタスクを学習するためのRLベースのフレームワークを紹介した。 RLエージェントは、オンスクリーン要素の基本的な表現から派生した状態を備える。 我々は,効率的なRLトレーニング環境を実現するために,いくつかの工学的課題に対処するプラットフォームを開発する。
  論文  参考訳（メタデータ） (2021-05-31T23:02:38Z)
• LightTrack: Finding Lightweight Neural Networks for Object Tracking via One-Shot Architecture Search [104.84999119090887]
  ニューラルアーキテクチャサーチ(NAS)を用いて、より軽量で効率的なオブジェクトトラッカーを設計するLightTrackを提案する。 総合的な実験は、LightTrackが効果的であることを示している。 SiamRPN++やOceanといった手作りのSOTAトラッカーよりも優れたパフォーマンスを実現するトラッカーを見つけることができる。
  論文  参考訳（メタデータ） (2021-04-29T17:55:24Z)
• 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)
• A First Look at Android Applications in Google Play related to Covid-19 [5.66497960945637]
  この研究は、Androidエコシステムに焦点を当て、Covid関連のAndroidアプリを調査します。 本研究は,Covid関連アプリの知識の拡大に寄与する,実証的な知見を多数与えている。
  論文  参考訳（メタデータ） (2020-06-19T08:02:31Z)
• Federated and continual learning for classification tasks in a society of devices [59.45414406974091]
  Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。 我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。 提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
  論文  参考訳（メタデータ） (2020-06-12T12:37:03Z)

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。