論文の概要: A Dataset of Low-Rated Applications from the Amazon Appstore for User Feedback Analysis

• arxiv url: http://arxiv.org/abs/2601.03009v1
• Date: Tue, 06 Jan 2026 13:32:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.948945
• Title: A Dataset of Low-Rated Applications from the Amazon Appstore for User Feedback Analysis
• Title（参考訳）: ユーザフィードバック分析のためのAmazon Appstoreからの低遅延アプリケーションのデータセット
• Authors: Nek Dil Khan, Javed Ali Khan, Darvesh Khan, Jianqiang Li, Mumrez Khan, Shah Fahad Khan,
• Abstract要約: 本研究では、Amazon Software Appstore(ASA)からソースされた64の低ランクアプリケーションからキュレートされた新しいデータセットを紹介する。 このデータセットは、ソフトウェアの品質向上に不可欠である、ユーザによって特定される最も頻繁な問題をキャプチャするために設計されている。
• 参考スコア（独自算出の注目度）: 5.949233960332969
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In todays digital landscape, end-user feedback plays a crucial role in the evolution of software applications, particularly in addressing issues that hinder user experience. While much research has focused on high-rated applications, low-rated applications often remain unexplored, despite their potential to reveal valuable insights. This study introduces a novel dataset curated from 64 low-rated applications sourced from the Amazon Software Appstore (ASA), containing 79,821 user reviews. The dataset is designed to capture the most frequent issues identified by users, which are critical for improving software quality. To further enhance the dataset utility, a subset of 6000 reviews was manually annotated to classify them into six district issue categories: user interface (UI) and user experience (UX), functionality and features, compatibility and device specificity, performance and stability, customer support and responsiveness, and security and privacy issues. This annotated dataset is a valuable resource for developing machine learning-based approaches aiming to automate the classification of user feedback into various issue types. Making both the annotated and raw datasets publicly available provides researchers and developers with a crucial tool to understand common issues in low-rated apps and inform software improvements. The comprehensive analysis and availability of this dataset lay the groundwork for data-derived solutions to improve software quality based on user feedback. Additionally, the dataset can provide opportunities for software vendors and researchers to explore various software evolution-related activities, including frequently missing features, sarcasm, and associated emotions, which will help better understand the reasons for comparatively low app ratings.
• Abstract（参考訳）: 今日のデジタルランドスケープでは、エンドユーザのフィードバックは、ソフトウェアアプリケーションの進化、特にユーザエクスペリエンスを妨げる問題に対処する上で重要な役割を担います。 多くの研究は高評価のアプリケーションに焦点を合わせてきたが、低評価のアプリケーションは、価値ある洞察を明らかにする可能性があるにもかかわらず、探索されていないことが多い。 本研究は,Amazon Software Appstore (ASA)からソースされた64の低ランクアプリケーションから収集された,79,821のユーザレビューを含む,新たなデータセットを紹介する。 このデータセットは、ソフトウェアの品質向上に不可欠である、ユーザによって特定される最も頻繁な問題をキャプチャするために設計されている。 データセットユーティリティをさらに強化するために、6000のレビューのサブセットを手動で注釈付けして、ユーザインターフェース(UI)とユーザエクスペリエンス(UX)、機能と機能、互換性とデバイスの特異性、パフォーマンスと安定性、顧客サポートと応答性、セキュリティとプライバシの6つのカテゴリに分類した。 この注釈付きデータセットは、さまざまな課題タイプへのユーザフィードバックの分類を自動化することを目的とした、機械学習ベースのアプローチを開発するための貴重なリソースである。 注釈付きデータセットと生データセットの両方を公開することにより、研究者と開発者は、低ランクアプリの一般的な問題を理解し、ソフトウェアの改善を知らせる重要なツールを提供する。 このデータセットの包括的な分析と可用性は、ユーザからのフィードバックに基づいてソフトウェア品質を改善するために、データ由来のソリューションの基盤となった。 さらにこのデータセットは、ソフトウェアベンダや研究者が、頻繁に欠落する機能や皮肉、関連する感情など、さまざまなソフトウェア進化関連のアクティビティを探索する機会を提供する。

関連論文リスト

• From Bugs to Benchmarks: A Comprehensive Survey of Software Defect Datasets [19.140541190998842]
  ソフトウェア欠陥データセットは、ソフトウェアバグとその関連情報の集合である。 長年にわたり、多くのソフトウェア欠陥データセットが開発され、コミュニティに豊富なリソースを提供してきた。 この記事では、132のソフトウェア欠陥データセットを包括的に調査する。
  論文  参考訳（メタデータ） (2025-04-24T23:07:04Z)
• On the Automated Processing of User Feedback [7.229732269884235]
  ユーザフィードバックは、要件エンジニアリング、ユーザインターフェース設計、ソフトウェアエンジニアリングにとって、ますます重要な情報ソースとなります。 フィードバックの可能性を最大限に活用するためには、解決すべき主な課題が2つあります。 ベンダーは大量のフィードバックデータに対処しなければならない。 第二に、ベンダーはさまざまなフィードバックの質に対処しなければならない。
  論文  参考訳（メタデータ） (2024-07-22T10:13:13Z)
• Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
  本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。 アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。 私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
  論文  参考訳（メタデータ） (2024-07-19T04:50:32Z)
• Automated Requirements Relation Extraction [4.110571395660999]
  本章は、自然言語に基づく関係抽出の分野における理論的・実践的基礎について、明確な視点を提供することを目的とする。 まず、最も一般的な要求関係型を含む分野における最も関連性の高い文献に基づいて、要求関係の基礎について述べる。 章の中核は、(i)均衡関係の識別と分類のための自然言語技術(syntactic vs. semantic techniques)と(ii)関係抽出作業のための情報抽出方法の2つのセクションから構成される。
  論文  参考訳（メタデータ） (2024-01-22T16:14:27Z)
• Unveiling Inclusiveness-Related User Feedback in Mobile Applications [7.212232917917022]
  Reddit、Google Play Store、Xからのフィードバックを、世界で最も人気のある50のアプリに活用しています。 社会-技術基盤理論のアプローチを用いて,3つの情報源にまたがる22,000のポストを分析した。 我々は, アルゴリズムバイアス, 技術, デモグラフィ, アクセシビリティ, その他の人的価値の5つのカテゴリからなる包括性に関する分類を整理した。
  論文  参考訳（メタデータ） (2023-11-02T04:05:46Z)
• User Simulation for Evaluating Information Access Systems [38.48048183731099]
  インタラクティブな知能システムの有効性を評価することは 複雑な科学的課題です 本書は,評価に特化して設計されたユーザシミュレーション技術について,詳細な理解を提供する。 ユーザシミュレータを設計するための一般的なフレームワークと、検索エンジン、レコメンダシステム、会話アシスタントとのユーザインタラクションをシミュレートする特定のモデルとアルゴリズムの両方をカバーする。
  論文  参考訳（メタデータ） (2023-06-14T14:54:06Z)
• DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
  DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。 私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。 ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
  論文  参考訳（メタデータ） (2022-07-20T17:47:54Z)
• Robustar: Interactive Toolbox Supporting Precise Data Annotation for Robust Vision Learning [53.900911121695536]
  ソフトウェアRobustarの初期リリースを紹介します。 それは、データ駆動の観点から視覚分類機械学習モデルの堅牢性を改善することを目的としている。
  論文  参考訳（メタデータ） (2022-07-18T21:12:28Z)
• 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)

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。