移動(dòng)應(yīng)用功能描述的評(píng)估研究.pdf

1、隨著Android操作系統(tǒng)的快速發(fā)展，Android應(yīng)用更新的速度也越來越快，下載量也飛速增長，Google Play商店中移動(dòng)應(yīng)用數(shù)目已超過200萬，為了便于用戶了解應(yīng)用情況，Google Play商店為每個(gè)應(yīng)用提供了一個(gè)介紹頁面，通過該頁面，用戶可以了解到該應(yīng)用的詳細(xì)信息，包括名稱、開發(fā)者、截圖、功能描述、評(píng)論等。為了吸引下載量，很多應(yīng)用商店會(huì)提供一些關(guān)于如何書寫好的應(yīng)用功能描述的指導(dǎo)和建議，但是這些建議大多比較抽象或概括，而且也很

2、難定義功能描述的質(zhì)量好與不好。同時(shí)，目前暫沒有相關(guān)工具自動(dòng)化地對(duì)功能描述的質(zhì)量進(jìn)行評(píng)估并給出建議。
　　為了評(píng)估移動(dòng)應(yīng)用功能描述的質(zhì)量，本文使用了數(shù)據(jù)驅(qū)動(dòng)的方式構(gòu)建特征，進(jìn)而訓(xùn)練評(píng)估模型。具體做法是從GooglePlay中確定了音像(Music&Audio)、新聞(News& Magazines)、攝影(Photography)、旅行(Travel&Local)、天氣(Weather)5個(gè)類別，從中各選擇100個(gè)Android應(yīng)用

3、（Android Applications，以下簡(jiǎn)稱Apps）的功能描述作為樣本，然后邀請(qǐng)30個(gè)志愿者對(duì)樣本中功能描述的質(zhì)量進(jìn)行評(píng)分并說明原因，進(jìn)而通過對(duì)原因的過濾分析，從中構(gòu)建特征，再結(jié)合志愿者的評(píng)分訓(xùn)練機(jī)器學(xué)習(xí)模型。
　　通過對(duì)志愿者評(píng)分原因的分析，我們構(gòu)建了共計(jì)16個(gè)特征，結(jié)合我們的經(jīng)驗(yàn)和數(shù)據(jù)特點(diǎn)以及相關(guān)工作確定了各個(gè)特征的計(jì)算方式，得到的特征值作為輸入值;將志愿者對(duì)功能描述的評(píng)分映射到不同的質(zhì)量水平（好-Good，中-Ne

4、utral，差-Bad），并以此作為輸出值，選取了支持向量機(jī)（SVM）、決策樹(Decision Tree)、隨機(jī)森林(RandomForest)和邏輯回歸（Logistics）模型對(duì)所有數(shù)據(jù)訓(xùn)練測(cè)試，進(jìn)而分析各樣本數(shù)據(jù)在不同模型上的表現(xiàn)。最終音像(Music&Audio)類別的樣本數(shù)據(jù)在SVM模型上取得了58％的分類準(zhǔn)確率。
　　另外，由于訓(xùn)練模型使用的特征均是我們自己構(gòu)建，我們對(duì)構(gòu)建的所有特征進(jìn)行了重要性分析，對(duì)比LibSVM

5、模型的特征選擇工具和Weka中C4.5決策樹模型得到的結(jié)果，我們發(fā)現(xiàn)在特征重要性排序方面，無監(jiān)督的學(xué)習(xí)方式和有監(jiān)督的學(xué)習(xí)方式得到的結(jié)果基本一致，該結(jié)果中有幾個(gè)特征對(duì)于所有樣本數(shù)據(jù)都比較重要:功能描述長度（單詞數(shù)）、每個(gè)單詞難易度（每個(gè)單詞字符個(gè)數(shù)）、句子長度以及功能描述中應(yīng)用特征的描述與全部描述的比例，我們希望這個(gè)結(jié)果對(duì)移動(dòng)應(yīng)用的開發(fā)者有一定啟示，即準(zhǔn)備移動(dòng)應(yīng)用的功能描述時(shí)，應(yīng)注意描述文本的長度、是否易懂以及移動(dòng)應(yīng)用的特征描述所占總文本