劉興旺

摘 要 隨著智能手機(jī)的迅速發(fā)展，移動(dòng)應(yīng)用市場(chǎng)的規(guī)模也越來越大，市場(chǎng)上涌現(xiàn)出數(shù)百萬移動(dòng)應(yīng)用。對(duì)于用戶來說，面對(duì)海量的應(yīng)用軟件，會(huì)糾結(jié)于如何選擇自己想要的應(yīng)用。雖然Google Play市場(chǎng)上提供了移動(dòng)應(yīng)用的分類，可是對(duì)于同樣的功能，每個(gè)類別下仍舊包含大量的應(yīng)用，Google Play中雖然對(duì)每個(gè)應(yīng)用提供評(píng)分和下載量供用戶參考，但是僅通過這些信息不足以幫用戶找到自己滿意的應(yīng)用。因此設(shè)計(jì)一個(gè)相似應(yīng)用比較工具是有意義的。本文先對(duì)現(xiàn)有的用戶評(píng)論和情感分析的相關(guān)研究做了總結(jié)，并在此基礎(chǔ)上，設(shè)計(jì)與實(shí)現(xiàn)了一個(gè)相似應(yīng)用比較的用戶評(píng)論挖掘工具。通過挖掘用戶評(píng)論，提取了相似應(yīng)用的對(duì)比信息，從而能夠?yàn)橛脩籼峁└旖莸耐緩絹碚业阶约合胍膽?yīng)用。工具的實(shí)現(xiàn)包括爬取應(yīng)用評(píng)論信息、應(yīng)用名稱的簡稱提取、用戶評(píng)論的方向分析、用戶評(píng)論的情感分析等幾個(gè)部分。最終本文通過一些實(shí)例測(cè)試，驗(yàn)證了抽取包含應(yīng)用比較信息的評(píng)論的有效性。

【關(guān)鍵詞】用戶評(píng)論 移動(dòng)應(yīng)用 情感分析

1 研究背景

隨著信息技術(shù)的迅速發(fā)展，智能手機(jī)很快占據(jù)了手機(jī)市場(chǎng)。智能手機(jī)的功能變得越來越全面，不同功能的移動(dòng)應(yīng)用也越來越多。甚至在近幾年，功能相似的移動(dòng)應(yīng)用在應(yīng)用市場(chǎng)上都不計(jì)其數(shù)。當(dāng)然，功能相同相似的每個(gè)應(yīng)用也有著各自的特點(diǎn)，有些在用戶界面上給用戶更好的體驗(yàn)，有些更省電給用戶帶來更多的方便，有些在功能上更強(qiáng)大。而不同的用戶可能也有著不同的需求，因此用戶想要某種功能的應(yīng)用的時(shí)候，總會(huì)面臨不知如何選擇的煩惱。

應(yīng)用下的用戶評(píng)論是很有研究價(jià)值的數(shù)據(jù)。因此，可以考慮從用戶評(píng)論下手，很多手機(jī)應(yīng)用市場(chǎng)如Google Play的應(yīng)用下都有用戶的評(píng)論，用戶會(huì)把自己的體驗(yàn)和感受寫下來，如果能夠挖掘出所有這樣的信息，并將他們中包含的相似應(yīng)用之間的關(guān)系提取出來處理并分析，那么可以很好的解決用戶不知如何選擇應(yīng)用的問題。

2 工具的設(shè)計(jì)

2.1 應(yīng)用簡稱提取

可以發(fā)現(xiàn)許多應(yīng)用被大家認(rèn)為的名字，可能只是他在應(yīng)用市場(chǎng)上官方全名的一部分，很多名字可能包含free， pro等后綴，例如Calculator Plus Free，而這往往會(huì)被用戶在評(píng)論時(shí)所忽略，可能用戶在提到這個(gè)應(yīng)用時(shí)就會(huì)Calculator Plus來表示。因此，可以認(rèn)為一個(gè)應(yīng)用全名的任何一個(gè)子串，都是有可能被作為用戶提到的名字出現(xiàn)的。那么可以考慮枚舉每個(gè)名字的任何一個(gè)字串，例如上述應(yīng)用Calculator Plus Free，那么我們認(rèn)為Calculator、Plus、Free、Calculator Plus、Plus Free、Calculator Plus Free這六種形式都是有可能作為該應(yīng)用的別稱。接下來，需要進(jìn)一步的篩選。因?yàn)楹苊黠@，如果將Free、plus這種詞作為一個(gè)應(yīng)用的簡稱去在評(píng)論庫中匹配，會(huì)發(fā)現(xiàn)無數(shù)的無用評(píng)論，因?yàn)檫@些詞太過于常見。

本文用的方法是，如果發(fā)現(xiàn)一個(gè)有可能的別稱有在不同的應(yīng)用中出現(xiàn)太多，那么把它排除。因?yàn)閿?shù)據(jù)庫中有Google play應(yīng)用市場(chǎng)的115萬個(gè)應(yīng)用，因此像free、plus這種詞語，就能很輕松地排除了。那么剩下的雖然不那么熱門，但是還是有些明顯不會(huì)成為該應(yīng)用的簡稱，例如plus free。因此還需要進(jìn)一步進(jìn)行篩選?？梢哉J(rèn)為，在自己應(yīng)用下的評(píng)論，會(huì)有更多的提到自己應(yīng)用名字的可能，因此可以在該應(yīng)用自己的評(píng)論中去探索。下一步篩選的方法是，在該應(yīng)用下的評(píng)論中去匹配，檢查初步篩選剩下的這些詞組，如果匹配到的詞數(shù)超過一定值，那么認(rèn)為這個(gè)詞組是有可能成為該應(yīng)用的別稱或簡稱的。

2.2 用戶評(píng)論方向分類

在完成對(duì)應(yīng)用名字簡稱的提取后，接下來還需對(duì)用戶評(píng)論進(jìn)行方向分析，即判斷每條評(píng)論是在描述應(yīng)用的哪個(gè)方向。將評(píng)論方向分成十個(gè)大類，那么這一節(jié)將描述如何將評(píng)論劃入這些類別中。

先對(duì)每個(gè)方面找了一些非常具有代表性的詞。例如有bug、fix的詞語的評(píng)論肯定是bug report。從這些精確度極高的詞出發(fā)，在用這些詞語找到的評(píng)論中，再從這些評(píng)論中找那些十分近似的詞語，例如在許多錯(cuò)誤報(bào)告評(píng)論中出現(xiàn)會(huì)出現(xiàn)tap這個(gè)詞，因?yàn)檫@個(gè)詞出現(xiàn)的地方往往是在描述屏幕沒反應(yīng)后，怎么點(diǎn)擊屏幕都沒反應(yīng)。還有類似slow、wait的看似常見的詞，實(shí)際上出現(xiàn)在評(píng)論里一般是用來描述應(yīng)用的運(yùn)行性能的詞。這些詞雖然精確度可能沒有百分之百，但是也是很高的，并且加上這些詞，覆蓋的可以判斷出方向的評(píng)論就大大提高了。

總結(jié)出代表性的詞語后，已經(jīng)可以分析出很大一部分的評(píng)論的方向。不過應(yīng)該注意的是，每個(gè)詞都有不同的形式，不同的語境下會(huì)有不同的變化，如過去式，第三人稱等等變化。如果直接用完整的詞去匹配，必然有很多詞的變形的情況會(huì)導(dǎo)致漏掉。來自猶他州立大學(xué)的Phong等人發(fā)表的一篇文章里，總結(jié)了不同的類型的詞的變形規(guī)則，他用一個(gè)很詳細(xì)的表描述了這些規(guī)則，以處理詞的不同形態(tài)。這里可以借用他們的規(guī)則。

有了這樣的一個(gè)規(guī)則表后，接下來只需將前面處理出來的詞語，全部對(duì)應(yīng)這個(gè)規(guī)則來獲得他們?cè)诓煌楦邢碌男问健＿@樣將擴(kuò)展出來的詞也對(duì)應(yīng)原來的詞的方向。然后將他們一起去在用戶評(píng)論中匹配。

2.3 評(píng)論傾向分析

通過前兩節(jié)的工作，已經(jīng)可以找出大量帶有比較信息的評(píng)論，并且已經(jīng)可以獲得每條評(píng)論的描述方向。接下來則需要對(duì)找到的帶比較信息的評(píng)論進(jìn)行情感分析，分析出評(píng)論作者的觀點(diǎn)，對(duì)于比較的兩個(gè)應(yīng)用，作者認(rèn)為哪個(gè)應(yīng)用在描述的方面有更好的效果。

關(guān)于情感分析這一部分工作從第二章中可以看到在學(xué)術(shù)研究方面已經(jīng)很成熟，本文主要用的SentiWordNet是一個(gè)開源的情感分析工具，SentiWordNet給每個(gè)同義詞集分配三個(gè)情感分?jǐn)?shù)：正面性、負(fù)面性以及客觀性，然后圍繞這三個(gè)分?jǐn)?shù)，完成了對(duì)評(píng)論的情感分析。

3 實(shí)驗(yàn)結(jié)果分析

3.1 比較性評(píng)論抽取結(jié)果分析

首先，先看看比較性評(píng)論抽取的精確性。用應(yīng)用數(shù)量比較多的圖片類工具做抽取樣本舉例檢查。在接口處輸入Google Photos，返回的評(píng)論數(shù)量有390條。并且可以發(fā)現(xiàn)幾乎所有的匹配出來的評(píng)論全都是明確直接與Google Photo相比較的。極少數(shù)的來自一些系統(tǒng)工具的應(yīng)用中的評(píng)論是非比較評(píng)論，他們?cè)u(píng)論使用Google Photos時(shí)會(huì)出現(xiàn)什么樣的狀況，而這樣的顯然不是將應(yīng)用和Google Photos比較的評(píng)論。

本文一共找了6個(gè)圖片類型的應(yīng)用來分析，并分析了他們的精確度，結(jié)果如圖7所示?？梢钥吹?，對(duì)于VSCO和Google Photos這種名字簡介并且比較熱門的應(yīng)用，比較評(píng)論的精確度十分高；而對(duì)于Snapseed和Retrica這樣的應(yīng)用，名字不具有完全的代表性，返回的評(píng)論數(shù)量更多，但是精確度卻降低了；Afterlight屬于不那么熱門的應(yīng)用，雖然相關(guān)的評(píng)論不太多，但是卻有著較高的精確度；QuickPic Gallery應(yīng)該是三星自帶的圖片應(yīng)用，這樣的應(yīng)用容易與三星其他自帶應(yīng)用相聯(lián)系，因此精確度不那么高。從返回的評(píng)論數(shù)量來看，召回率也同樣是非常不錯(cuò)的。（之前沒有這樣的工作，無法在龐大數(shù)量的評(píng)論中驗(yàn)證召回率）當(dāng)然，對(duì)于名字特別普遍的應(yīng)用（如Moments，Battery），則會(huì)對(duì)返回評(píng)論的精確度大大折扣。同樣，對(duì)于冷門的應(yīng)用也幾乎找不到比較性的評(píng)論。然而，我們認(rèn)為只有熱門的應(yīng)用之間的比較才是真正有價(jià)值的，因?yàn)槔溟T的應(yīng)用相對(duì)而言比較小眾，用戶極少將它們?nèi)ズ推渌麘?yīng)用比較。

3.2 抽取評(píng)論的方向及其情感分析結(jié)果

為了對(duì)比更清晰，依然對(duì)比較熱門的圖片應(yīng)用進(jìn)行分析，我們分析圖片應(yīng)用Afterlight，這是另一個(gè)比較流行的圖片應(yīng)用。在接口輸入后，從返回的結(jié)果看，方向分析的結(jié)果準(zhǔn)確性是比較高的；但是結(jié)合上情感分析的結(jié)果后，準(zhǔn)確性有些下滑。

整體看來，我們抽取了一百條評(píng)論做觀察，發(fā)現(xiàn)方向性分析的準(zhǔn)確率在應(yīng)該在百分之七十到八十之間（有些評(píng)論方向性太模糊，或者太長太復(fù)雜）。而結(jié)合上情感分析后，完整結(jié)果的準(zhǔn)確率大概在百分之六十到七十之間。

4 總結(jié)與后續(xù)工作

從實(shí)驗(yàn)結(jié)果來看，整體精確度在百分之六十到七十之間。這樣的精確度不算很高，不過鑒于本文所研究的課題是學(xué)術(shù)界比較新的方面，這樣的精確度至少證明了從評(píng)論中挖掘相似應(yīng)用關(guān)系是一個(gè)可行的研究方向。并且形如“找一類應(yīng)用中的某項(xiàng)功能最好的應(yīng)用”這樣的需求是十分常見的，因此這樣的研究也有著很高的實(shí)際價(jià)值。

整個(gè)實(shí)驗(yàn)中，比較需要改善的地方是評(píng)論方向和情感分析的結(jié)合。情感分析部分應(yīng)用的是現(xiàn)有的工具，尋找評(píng)論方向的方法是通過匹配代表詞的方法，這時(shí)候當(dāng)評(píng)論較長的時(shí)候，情感分析就容易找不到分析的目標(biāo)：是對(duì)整個(gè)評(píng)論進(jìn)行分析，還是針對(duì)代表詞所在句子分析，抑或是對(duì)代表詞前后的句子一起進(jìn)行分析。這一部分的工作，本文做的實(shí)驗(yàn)和分析還不夠完備，也是精確度不夠高的主要原因。如果這一部分的研究能更加深入，必定能提高一定的精確度。

總而言之，本文提出的研究課題是一個(gè)比較新的方向，它以用戶評(píng)論為基礎(chǔ)細(xì)粒度地挖掘相似應(yīng)用之間的信息。我們通過應(yīng)用簡稱提取，評(píng)論方向分析，評(píng)論情感分析三個(gè)步驟完成了整個(gè)工作，并通過實(shí)驗(yàn)結(jié)果證明了用本文提出的工具確實(shí)可以挖掘到很多應(yīng)用比較的信息。

參考文獻(xiàn)

[1]Phong，Tam “Mining User Opining in Mobile App Reviews：A Keyword-based Approach” In proceeding of NASA ADS

[2]M.Hu and B.Liu.“Mining and summarizing customer reviews.” In Proceedings of the tenth ACM SIGKDD international conference on knowledge discovery and data mining， pages 168-177，2004

[3]B.Fu， J.Lin，L.Li，C.Faloutsos， J.Hong，and N.Sadeh. “Why people hate your app：Making sense of user feedback in a mobile app store” In proceedings of the 19th ACM SIGKDD international conference on knowledge discovery and data mining， pages 1276-1284，2013

[4]D.M.Blei，A.Y.Ng，and M.I.Jordan. “Laentdirichlet allocation” the Journal of machine Learning research， 3：993-1022

[5]L.V.GalvisCarreno and K.Winbladh. Analysis of user comments：an approach for software requirements evolution.In proceedings of the 2013 International Conference on Software Engineering，pages 582-591，2013

[6]XiaodongGu，“What parts of your apps are loved by user”In proceeding of Automated Software Engineering， IEEE/ACM International Conference. Pages 760-770.

[7]N.Chen，J.Lin，S.C.Hoi，X.Xiao，and B. Zhang.“Ar-miner：mining informative reviews for developers from mobile app marketplace”.In Proceedings of the 36th International Conference on software Engineerings，pages 767-778， 2014.

作者單位

湖南生物機(jī)電職業(yè)技術(shù)學(xué)院 湖南省長沙市 410127