抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
アプリケーション配布プラットフォーム(例えばGooglePlayStoreまたはAppleAppStore)はユーザーが評点あるいはコメントなどの形式でダウンロードしたアプリケーションにフィードバックを提出することを許可する。これらのフィードバック情報は直接あるいは間接的にユーザーの意図を反映でき、タイムリーに正確にユーザーの意図を掘り出すことは、移動開発者が持続的に維持し、そして彼らのappを改善でき、それによってユーザーの望みをより良く満たすことができる。しかし、多くのポピュラーな応用にとって、そのユーザーはデータ量が大きく、非構造化及び評論品質が一致しないなどのため、その価値ある情報を認識することは極めて挑戦的な任務となる。そのため、ユーザーの評論を自動化し、人工分析の仕事量を緩和し、appのレビューマイニングの新たな構想になる。本論文では、自動ユーザー評価分析方法ARICA(AutomaticReviewIntentionClassificationAnalysis)を提案した。まず第一に,ARICAはユーザのコメントフィードバックに従って,自動的に評判情報を意図して分類し,LDA主題モデルを使用して,各分類の意図の下で主題を分類する。次に,各主題で意味類似性を表わすコメントをクラスタリングし,さらに,ARICAは感情分析ツールSentiStrengthを用いてユーザ感情を獲得し,次にユーザコメントの感情分布を分析し,ユーザの重要な意図を認識した。最後に、ユーザーの意図とユーザーの感情嗜好などの多次元情報を考慮して、ユーザーの評点を計算し、そして、その評価の優先度を分けて、それによって開発者にユーザーのコメント意見の推薦を行う。GooglePlayにおける真のapp評論データを用いて、ARICAの評判意図分類と文クラスタリングの性能を検証した。実験結果は,ARICAが利用者評価の意図分類において80%0の精度を達成し,従来の畳込みニューラルネットワークに基づくTextCNNと比較して,ARICAのFMeasureが19.1%増加することを示した。同時に、文のクラスタリング過程において86%の正解率が得られた。また,ARICA推薦ユーザコメントの有効性を検証するため,ARICAが推薦するユーザコメントが実際に開発者に採用できるかどうかを,公式のapp更新ログを用いて実証的に分析した。結果は,ARICAが効果的に開発者に価値ある情報の評価を推薦でき,それは開発者に後続するappメンテナンスと進化タスクに対して重要な意義を持つことを示す。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
