典型文献
面向App评论响应的语义检索和生成框架
文献摘要：
在应用程序维护过程中,移动应用(Mobile Application,App)评论的响应为应用程序开发者提供了用户反馈机制,对应用的评级产生积极影响.为了减轻响应大量用户评论的工作负担,开发者通常采用自动化的机制回复评分或跟进用户问题.当前流行使用序列到序列(Sequence to Sequence,Seq2seq)的深度生成模型或融合信息检索的方法来生成用户评论的响应.然而,现有检索方法没有考虑句子的语义相似性,生成模型没有考虑用户评论与检索到评论之间的差异,导致模型对知识的利用不佳,降低了响应质量.为了解决这些问题,本文提出了一种面向App评论响应的语义检索和生成框架(A Semantic Retrieval and Generation Framework,SRGen).首先,基于响应相似但评论不一定相似的现象,通过自监督学习方法对Sentence-BERT(SBERT)模型微调.然后,利用SBERT获得名称、评分、评论信息的向量表示,检索知识库中Top-k最相似的评论-响应对.最后,根据检索到的评论与待响应评论的差异和相应响应内容,生成评论的响应.实验表明,与现有的基线工作相比,SRGen在BLEU指标下提升了12.4％,在ROUGE指标下提升了 9.4％.
文献关键词：
软件维护;用户评论;App评论响应;语义检索;Seq2seq
中图分类号：
作者姓名：
范国栋;陈世展;肖建茂;吴洪越;张璐;薛霄;王忠杰;冯志勇
作者机构：
天津大学智能与计算学部 天津 300350;江西师范大学软件学院 南昌 330022;哈尔滨工业大学计算学部 哈尔滨 150001
文献出处：
引用格式：
[1]范国栋;陈世展;肖建茂;吴洪越;张璐;薛霄;王忠杰;冯志勇-.面向App评论响应的语义检索和生成框架)[J].计算机学报,2022(12):2528-2543
A类：
SRGen
B类：
语义检索,应用程序,移动应用,Mobile,Application,程序开发,开发者,用户反馈,反馈机制,评级,用户评论,工作负担,回复,复评,跟进,进用,序列到序列,Sequence,Seq2seq,深度生成模型,融合信息,信息检索,来生,检索方法,句子,语义相似性,Semantic,Retrieval,Generation,Framework,自监督学习,Sentence,SBERT,模型微调,得名,评论信息,向量表示,知识库,Top,BLEU,ROUGE,软件维护
AB值：
0.43621
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
