面向App软件开发和进化的多源文本分析方法研究
发布时间：2022-01-05 10:36
近年来,随着智能移动设备的普及,App已经成为人们日常生活中最为常见的一类软件产品,其开发过程受到软件工程研究者的广泛关注。与传统软件相比,App软件的开发和进化过程中挑战与机遇并存:一方面,为应对激烈的市场竞争,满足不断变化的用户需求,App通常具有更短的开发时间和更高的更新频率;另一方面,App商店中汇集了数以百万计的可下载产品,形成了一个规模庞大且快速增长的数据库,为利用数据驱动的方法解决App软件开发进化中的问题提供了有利条件。自然语言文本作为最易理解使用的信息表达方式,是软件工程中一种重要的数据形式。对App开发者而言,其面临的文本数据主要有三种来源:1)源自App产品本身的需求文档,它是产品的详细规格说明;2)源自其他产品的描述文本,其中包含了这些App产品的主要特征信息;3)源自用户的评论,反映了用户对产品的评价及要求。通过对多种来源文本数据的综合分析挖掘,开发者能够了解市场中已有产品的特点,分析其演化过程和趋势,并挖掘相应的用户喜好,为App产品初始开发及后续进化策略的制定提供信息支持。本文基于自然语言处理、数据挖掘等方法,结合App软件工程特点,对App描述、用户评论...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 App软件开发特点
1.1.2 App产品的相关文本数据
1.2 相关工作
1.2.1 需求文档表示方法
1.2.2 产品描述的分析及使用
1.2.3 用户评论分析方法
1.3 本文主要工作
1.4 本文结构安排
第2章 App描述文本中的产品特征知识挖掘
2.1 App描述模型的基本定义
2.2 基于语法结构的产品特征抽取规则
2.2.1 特征抽取规则的获取
2.2.2 特征抽取规则的表示
2.3 App描述模型的构建
2.3.1 产品特征集合构建
2.3.2 产品特征间关系的构建
2.3.3 产品市场价值的量化
2.4 实验及结果分析
2.4.1 实验设计
2.4.2 分类器性能评估(RQ1)
2.4.3 特征抽取方法评估(RQ2)
2.5 本章小结
第3章 App特征信息引导的用户评论分析
3.1 用户评论预处理
3.2 基于App产品特征的评论分类
3.2.1 定义评论类别
3.2.2 训练评论分类器
3.3 评论总结及可视化
3.3.1 评论信息总结
3.3.2 总结信息可视化及使用
3.4 实验及结果分析
3.4.1 实验数据及参与者
3.4.2 领域主题合理性评估(RQ1)
3.4.3 评论分类器性能评估(RQ2)
3.4.4 评论总结信息的有用性评估(RQ3)
3.5 本章小结
第4章 领域知识整合及模型表示
4.1 方法框架及模型定义
4.2 FDSM模型构建方法
4.2.1 R-DMA的动态构建
4.2.2 生成FDSM初始状态
4.2.3 生成FDSM中状态转换规则
4.2.4 FDSM中新状态的生成
4.3 FDSM模型的分析及使用
4.3.1 FDSM中信息价值量化
4.3.2 FDSM模型使用
4.4 实验及结果分析
4.4.1 FDSM构建过程评估(RQ1)
4.4.2 FDSM有用性评估(RQ2)
4.4.3 结果有效性分析
4.5 本章小结
第5章 基于FDSM的目标模型分析方法
5.1 目标模型基本定义
5.2 基于目标的需求信息推荐
5.3 目标模型分析方法
5.3.1 构建R-GM
5.3.2 基于评论的目标评估
5.3.3 目标优先级分析
5.4 实验及结果分析
5.4.1 实验设计
5.4.2 反馈结果分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 未来工作展望
参考文献
攻读博士期间发表的学术论文
致谢
本文编号：3570199
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 App软件开发特点
1.1.2 App产品的相关文本数据
1.2 相关工作
1.2.1 需求文档表示方法
1.2.2 产品描述的分析及使用
1.2.3 用户评论分析方法
1.3 本文主要工作
1.4 本文结构安排
第2章 App描述文本中的产品特征知识挖掘
2.1 App描述模型的基本定义
2.2 基于语法结构的产品特征抽取规则
2.2.1 特征抽取规则的获取
2.2.2 特征抽取规则的表示
2.3 App描述模型的构建
2.3.1 产品特征集合构建
2.3.2 产品特征间关系的构建
2.3.3 产品市场价值的量化
2.4 实验及结果分析
2.4.1 实验设计
2.4.2 分类器性能评估(RQ1)
2.4.3 特征抽取方法评估(RQ2)
2.5 本章小结
第3章 App特征信息引导的用户评论分析
3.1 用户评论预处理
3.2 基于App产品特征的评论分类
3.2.1 定义评论类别
3.2.2 训练评论分类器
3.3 评论总结及可视化
3.3.1 评论信息总结
3.3.2 总结信息可视化及使用
3.4 实验及结果分析
3.4.1 实验数据及参与者
3.4.2 领域主题合理性评估(RQ1)
3.4.3 评论分类器性能评估(RQ2)
3.4.4 评论总结信息的有用性评估(RQ3)
3.5 本章小结
第4章 领域知识整合及模型表示
4.1 方法框架及模型定义
4.2 FDSM模型构建方法
4.2.1 R-DMA的动态构建
4.2.2 生成FDSM初始状态
4.2.3 生成FDSM中状态转换规则
4.2.4 FDSM中新状态的生成
4.3 FDSM模型的分析及使用
4.3.1 FDSM中信息价值量化
4.3.2 FDSM模型使用
4.4 实验及结果分析
4.4.1 FDSM构建过程评估(RQ1)
4.4.2 FDSM有用性评估(RQ2)
4.4.3 结果有效性分析
4.5 本章小结
第5章 基于FDSM的目标模型分析方法
5.1 目标模型基本定义
5.2 基于目标的需求信息推荐
5.3 目标模型分析方法
5.3.1 构建R-GM
5.3.2 基于评论的目标评估
5.3.3 目标优先级分析
5.4 实验及结果分析
5.4.1 实验设计
5.4.2 反馈结果分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 未来工作展望
参考文献
攻读博士期间发表的学术论文
致谢
本文编号：3570199
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3570199.html
