アプリケーションレビュー応答生成の自動化【JST・京大機械翻訳】

Gao Cuiyun; Zeng Jichuan; Xia Xin; Lo David; Lyu Michael R.; King Irwin

プレプリント

J-GLOBAL ID：202202205469558911 整理番号：22P0109775

アプリケーションレビュー応答生成の自動化【JST・京大機械翻訳】

Automating App Review Response Generation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年02月10日プレプリントサーバーでの情報更新日： 2020年02月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

これまでの研究では,ユーザレビューへの回答は,通常,ユーザにより与えられた評価にプラスの効果を持ち,例えば,Hassenらは,レビューへの回答が,応答しない場合と比較して,与えられたレイティングを6倍まで更新するユーザの機会を増加させることを見出した。ユーザレビューのバルクに応える際の労働負荷を軽減するために,開発者は,通常,テンプレートが,ユーザのために,アプリケーションを追うために,アプリケーションを表現または言及するために,アプリケーションを表現できるテンプレートベースの戦略を採用する。しかしながら,毎日多くのユーザレビューを読むことは,開発者にとって容易なタスクではない。したがって,開発者がユーザレビューに応答するのを助けるために,より多くの自動化の必要性がある。前述の必要性に応えて,本研究では,レビューとそれらの応答の間の知識関係の学習により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。RRGenは,ユーザ評価とレビュー長のようなレビュー属性を明示的に組み入れ,利用可能な訓練データからの教師つき方法でレビューと対応応答間の関係を学習する。58のアプリと309,246のレビュー-応答対に関する実験は,RRGenがBLEU-4(対話応答生成システムを評価するために広く使われている精度尺度)に関して少なくとも67.4%のベースラインより性能が優れていることを示した。定性的分析はまた,関連および正確な応答を生成するRRGenの有効性を確認した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

計算機システム開発 , 人間機械系

, , ,

前のページに戻る