基于用户评论的APP软件用户意图挖掘方法的研究与实现

发布时间：2022-02-16 14:20

　　当前,APP软件种类越来越多样化,从各方面影响人们的生活。随着APP软件应用的普及,针对APP软件的用户评论数量急剧增加,基于用户评论挖掘有价值的APP软件用户意图,可以帮助开发人员有针对性地维护和改进APP软件。在线网络环境下,用户评论更新快、数量大,大量无用数据会影响有价值的用户意图信息的挖掘;通过情感分析技术无法挖掘体现软件实际使用情况的用户评论;如果采用有监督的学习方式,人工标注的数据资源需要不断补充甚至重新构建;此外,应用评论内容进行用户评论挖掘忽略了句式结构的重要性。因此,如何通过半监督自学习的方式,综合分析APP软件用户评论的评论内容和评论句式结构特点,自动挖掘体现APP软件用户意图的用户评论是本文的研究重点。本文基于用户评论挖掘APP软件用户意图展开研究,论文主要工作如下:（1）将APP软件用户意图定义为用户对APP软件的当前使用反馈和用户对APP软件的未来改进期望2种类型。（2）提出体现APP软件当前使用反馈的用户评论挖掘方法。对APP软件当前使用反馈的抽象表示进行定义,主要包括当前使用反馈特征词和体现当前使用反馈的评论种子;结合抽象表示的定义,通过半监督自学习的方法... 

【文章来源】：昆明理工大学云南省

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题依据
    1.2 国内外研究现状
        1.2.1 软件使用质量分析
        1.2.2 软件用户需求获取
        1.2.3 软件用户评论分类、聚类
    1.3 存在的问题
    1.4 论文研究内容
    1.5 论文组织结构
第二章 APP软件用户意图
    2.1 APP软件用户意图含义
    2.2 用户对APP软件的当前使用反馈
    2.3 用户对APP软件的未来改进期望
    2.4 本章小结
第三章 体现APP软件当前使用反馈的用户评论挖掘
    3.1 APP软件当前使用反馈的抽象表示
        3.1.1 APP软件当前使用反馈特征词
        3.1.2 体现当前使用反馈的评论种子
        3.1.3 体现当前使用反馈的评论模式
    3.2 体现APP软件当前使用反馈的用户评论挖掘方法
        3.2.1 匹配体现当前使用反馈的评论种子
        3.2.2 应用当前使用反馈特征词建立候选评论模式库
        3.2.3 抽取新的体现当前使用反馈的评论种子
        3.2.4 动态更新当前使用反馈特征词表
    3.3 实验结果及分析
        3.3.1 实验数据准备
        3.3.2 实验结果及分析
    3.4 本章小结
第四章 体现APP软件未来改进期望的用户评论挖掘
    4.1 APP软件未来改进期望的抽象表示及其抽取规则
        4.1.1 评价对象和评价观点抽取规则
        4.1.2 体现未来改进期望的评论种子
    4.2 匹配体现未来改进期望的评论种子
        4.2.1 计算词(词性)匹配值
        4.2.2 计算综合匹配值
    4.3 识别体现不同APP软件未来改进期望的用户评论
        4.3.1 应用能愿动词挖掘用户评论
        4.3.2 识别用户评论体现的具体未来改进期望类型
    4.4 实验分析
        4.4.1 应用评价对象和评价观点抽取规则设置评论种子
        4.4.2 应用体现未来改进期望的评论种子的挖掘效果
    4.5 本章小结
第五章 体现APP软件用户意图的用户评论挖掘
    5.1 APP软件用户意图的抽象表示
        5.1.1 APP软件用户意图特征词
        5.1.2 体现用户意图的评论种子
    5.2 循环挖掘体现APP软件用户意图的用户评论
        5.2.1 定义循环挖掘收敛条件
        5.2.2 建立体现不同APP软件用户意图的候选评论模式库
        5.2.3 抽取新的APP软件用户意图特征词
    5.3 本章小结
第六章 系统实现与实验分析
    6.1 系统需求分析
    6.2 系统设计
        6.2.1 体系结构设计
        6.2.2 主要类图
    6.3 系统原型
    6.4 实验结果及分析
        6.4.1 候选评论模式库的建立
        6.4.2 应用体现用户意图的评论种子的循环挖掘效果
        6.4.3 用户意图特征词动态扩充效果
        6.4.4 体现APP软件用户意图的用户评论整体挖掘效果
        6.4.5 不同初始评论种子的挖掘效果
    6.5 本章小结
第七章 总结与展望
    7.1 本文工作总结
    7.2 未来工作展望
致谢
参考文献
附录A (攻读学位期间参与项目研究及发表成果目录)


【参考文献】：
期刊论文
[1]融合用户信息和评价对象信息的文本情感分类[J]. 李俊杰,宗成庆.  厦门大学学报(自然科学版). 2018(06)
[2]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重.  软件学报. 2018(02)
[3]基于层次聚类的虚假用户检测[J]. 方勇,刘道胜,黄诚.  清华大学学报(自然科学版). 2017(06)
[4]基于LDA模型的文本分类与观点挖掘[J]. 李晨曦,谢罗迪.  电子技术与软件工程. 2017(04)
[5]情感词典自动构建方法综述[J]. 王科,夏睿.  自动化学报. 2016(04)
[6]基于多特征融合的中文微博评价对象抽取方法[J]. 李景玉,张仰森,蒋玉茹.  计算机应用研究. 2016(02)
[7]RERM:一种基于评论挖掘的需求获取方法[J]. 崔建苓,杨达,李娟.  计算机应用与软件. 2015(08)
[8]面向用户需求获取的在线评论有用性分析[J]. 姜巍,张莉,戴翼,蒋竞,王刚.  计算机学报. 2013(01)
[9]基于词性及词性依存的句子结构相似度计算[J]. 蓝雁玲,陈建超.  计算机工程. 2011(10)
[10]面向特定领域的产品评价对象自动识别研究[J]. 宋晓雷,王素格,李红霞.  中文信息学报. 2010(01)

硕士论文
[1]网络用户查询意图分析[D]. 张恒庆.北京工业大学 2014
[2]汉语否定副词的发展演变及其语体功能[D]. 李倩倩.宁夏大学 2014



本文编号：3628120