隨著移動互聯(lián)網(wǎng)發(fā)展速度極快,APP軟件作為一種新型產(chǎn)品在軟件領(lǐng)域迅速崛起。APP軟件無論是在人們的日常生活方面或者是國家安全方面都已備受關(guān)注。不管是企業(yè)還是個(gè)人都想擁有符合自已需求的一款A(yù)PP軟件,如何以用戶的角度評價(jià)APP軟件質(zhì)量成為一個(gè)急需解決的問題�；谟脩粼u論的APP軟件用戶行為是APP軟件質(zhì)量評價(jià)中不可缺少的一部分。然而,由于網(wǎng)絡(luò)評論的自由性和隨意性,導(dǎo)致了用戶評論的質(zhì)量良莠不齊,以及不同APP軟件用戶的需求存在差異性等,這些給APP軟件用戶行為分析帶來了困難,從而給APP軟件質(zhì)量評價(jià)帶來了困難。為了能更好的評價(jià)APP軟件質(zhì)量,本文基于APP軟件用戶評論能獲得的相關(guān)信息,對用戶行為分析展開研究。論文主要工作如下:(1)對APP軟件用戶行為進(jìn)行了定義。通過綜合分析APP軟件信息、用戶評論信息以及評分星級,定義APP軟件用戶行為應(yīng)包含用戶評論的相關(guān)性、一致性、評論模式以及可信度。(2)對APP軟件用戶評論的相關(guān)性和一致性進(jìn)行了判斷。首先通過綜合分析APP軟件信息和用戶評論信息對相關(guān)性進(jìn)行判斷;然后提取APP軟件用戶評論信息中的軟件特征情感詞對,通過分析APP軟件特征情感詞對的語法關(guān)系,結(jié)合詞典和網(wǎng)絡(luò)情感詞,量化用戶對APP軟件的情感傾向程度,并與用戶的評分星級進(jìn)行比較,以判斷用戶評論的一致性。(3)對APP軟件用戶評論模式進(jìn)行了分析。首先根據(jù)用戶對APP軟件的評論特征將用戶評論信息分類;然后分析每類用戶評論信息的詞性組合以及每條用戶評論信息的情感傾向程度,以分析出APP軟件用戶的評論模式。(4)對APP軟件用戶評論的可信度進(jìn)行了計(jì)算。首先對用戶評論的可信度計(jì)算進(jìn)行建模;然后逐級分析并計(jì)算不同影響因子的權(quán)重,以計(jì)算最終用戶評論的可信度。(5)為了驗(yàn)證本文所提出的相關(guān)理論及用戶行為分析方法的正確性,并在此基礎(chǔ)上,設(shè)計(jì)實(shí)現(xiàn)了相應(yīng)的原型系統(tǒng),并通過實(shí)驗(yàn)證明了本文方法的有效性和可行性。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP311.56
【部分圖文】：

用戶評論信息被誤認(rèn)為與該ＡＰＰ軟件相關(guān)，從而導(dǎo)致了相關(guān)性實(shí)驗(yàn)結(jié)果偏高，??影響了最終判斷用戶評論信息與評分星級是否一致的準(zhǔn)確性。??瀏覽器類ＡＰＰ軟件、資訊類ＡＰＰ軟件的一致性判斷結(jié)果如圖３．３及圖３．４??所示，這兩類ＡＰＰ軟件評分星級中２星和１星的準(zhǔn)確率偏低，分別僅有６７．３７％??和５５．１９％、５８．３６％和５９．１３％，這種現(xiàn)象在７類ＡＰＰ軟件中均普遍存在。??１００．００％?ｒ??９０．００％?－??８０．００％?？門?ｎ?ｎ??７０．００％?？??６０．００％?■??５０．００％?■?「???４０．００％?ｍ?｜?＿Ｃ??３〇．〇〇％?Ｊ?。－致性（人工標(biāo)注）??２０．００％?－?■?■?■?■?■???１０．００％?－Ｉ??０．００％?Ｉ?＿?Ｉ?丨■?Ｉ?■?■?Ｉ?丨■?ｈ?＿?Ｊ?－??５星?４星?３星?２星?１星??圖３．３瀏覽器類ＡＰＰ軟件用戶評論一致性結(jié)果??２２??

〇．〇〇％?Ｉ?＿贅１１?丨■?，?ｈ?■?Ｉ?１１?■＿?Ｉ?丨?ＢＨ?ｈ?■?４?．１１?１１??影音?社交?資訊?生活?輸入法?拍照?瀏覽器??圖３．２?ＡＰＰ軟件用戶評論的相關(guān)性及一致性結(jié)果??通過與人工標(biāo)注進(jìn)行比較，本文方法對一致性判斷的準(zhǔn)確率平均達(dá)到了??７７．７６％，其中瀏覽器類ＡＰＰ軟件準(zhǔn)確率最高，達(dá)到了?８１．４７％；資訊類ＡＰＰ軟件??準(zhǔn)確率最低，為７５．６３％。??本文在使用文獻(xiàn)［３４］方法判斷ＡＰＰ軟件用戶評論相關(guān)性時(shí)，有部分不相關(guān)的??用戶評論信息被誤認(rèn)為與該ＡＰＰ軟件相關(guān)，從而導(dǎo)致了相關(guān)性實(shí)驗(yàn)結(jié)果偏高，??影響了最終判斷用戶評論信息與評分星級是否一致的準(zhǔn)確性。??瀏覽器類ＡＰＰ軟件、資訊類ＡＰＰ軟件的一致性判斷結(jié)果如圖３．３及圖３．４??所示，這兩類ＡＰＰ軟件評分星級中２星和１星的準(zhǔn)確率偏低，分別僅有６７．３７％??和５５．１９％、５８．３６％和５９．１３％，這種現(xiàn)象在７類ＡＰＰ軟件中均普遍存在。??１００．００％?ｒ??９０．００％?－??８０．００％?？門?ｎ?ｎ??７０．００％?？

〇．〇〇％?Ｉ?＿贅１１?丨■?，?ｈ?■?Ｉ?１１?■＿?Ｉ?丨?ＢＨ?ｈ?■?４?．１１?１１??影音?社交?資訊?生活?輸入法?拍照?瀏覽器??圖３．２?ＡＰＰ軟件用戶評論的相關(guān)性及一致性結(jié)果??通過與人工標(biāo)注進(jìn)行比較，本文方法對一致性判斷的準(zhǔn)確率平均達(dá)到了??７７．７６％，其中瀏覽器類ＡＰＰ軟件準(zhǔn)確率最高，達(dá)到了?８１．４７％；資訊類ＡＰＰ軟件??準(zhǔn)確率最低，為７５．６３％。??本文在使用文獻(xiàn)［３４］方法判斷ＡＰＰ軟件用戶評論相關(guān)性時(shí)，有部分不相關(guān)的??用戶評論信息被誤認(rèn)為與該ＡＰＰ軟件相關(guān)，從而導(dǎo)致了相關(guān)性實(shí)驗(yàn)結(jié)果偏高，??影響了最終判斷用戶評論信息與評分星級是否一致的準(zhǔn)確性。??瀏覽器類ＡＰＰ軟件、資訊類ＡＰＰ軟件的一致性判斷結(jié)果如圖３．３及圖３．４??所示，這兩類ＡＰＰ軟件評分星級中２星和１星的準(zhǔn)確率偏低，分別僅有６７．３７％??和５５．１９％、５８．３６％和５９．１３％，這種現(xiàn)象在７類ＡＰＰ軟件中均普遍存在。??１００．００％?ｒ??９０．００％?－??８０．００％?？門?ｎ?ｎ??７０．００％?？
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳鴻;金培權(quán);岳麗華;胡玉娟;殷鳳梅;;基于上下文特征分類的評論長句切分方法[J];計(jì)算機(jī)工程;2015年09期

2 倪瑜澤;彭蓉;孫棟;賴涵;;基于用戶評論的潛在演化需求發(fā)現(xiàn)方法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2015年04期

3 桂斌;楊小平;朱建林;張中夏;肖文韜;;基于意群劃分的中文微博情感傾向分析研究[J];中文信息學(xué)報(bào);2015年03期

4 王偉;王洪偉;孟園;;協(xié)同過濾推薦算法研究:考慮在線評論情感傾向[J];系統(tǒng)工程理論與實(shí)踐;2014年12期

5 張林;錢冠群;樊衛(wèi)國;華琨;張莉;;輕型評論的情感分析研究[J];軟件學(xué)報(bào);2014年12期

6 劉洋;廖貅武;劉瑩;;在線評論對應(yīng)用軟件及平臺定價(jià)策略的影響[J];系統(tǒng)工程學(xué)報(bào);2014年04期

7 黃婷婷;曾國蓀;熊煥亮;;基于商品特征關(guān)聯(lián)度的購物客戶評論可信排序方法[J];計(jì)算機(jī)應(yīng)用;2014年08期

8 齊超;陳鴻昶;于洪濤;;基于用戶行為綜合分析的微博用戶影響力評價(jià)方法[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

9 呂品;鐘珞;唐琨皓;;在線產(chǎn)品評論用戶滿意度綜合評價(jià)研究[J];電子學(xué)報(bào);2014年04期

10 李敏;王曉聰;張軍;劉正捷;;基于位置的社交網(wǎng)絡(luò)用戶簽到及相關(guān)行為研究[J];計(jì)算機(jī)科學(xué);2013年10期

相關(guān)碩士學(xué)位論文 前2條

1 林欽和;基于情感計(jì)算的商品評價(jià)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

2 趙釹森;基于用戶行為的動態(tài)推薦系統(tǒng)算法研究及實(shí)現(xiàn)[D];電子科技大學(xué);2013年

本文編號：2865970