Open Kx-Chen-99 opened 1 year ago
基于深度学习的小数据集环境在线反馈用户需求分类 Classifying User Requirements from Online Feedback in Small Dataset Environments using Deep Learning
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9604705
2021
IEEE International Requirements Engineering Conference (RE)
CCF-B
深度学习,反馈分析,机器学习,用户反馈,用户评论
大量用户访问App Store/谷歌Play等应用商店和Twitter等社交媒体平台,并提供关于数字体验的反馈。这个由用户反馈组成的庞大文本语料库有潜力挖掘用户对产品和服务的意见的详细见解。现已提出了各种各样的工具,它们使用自然语言处理(NLP)和传统的基于机器学习(ML)的模型作为在用户反馈中识别需求的低成本机制。然而,由于生成大量无偏标签数据集的成本和普遍的低效率等因素,它们在不可见数据的分类精度上存在不足。最近,Van Vliet等人通过传统的众包从用户评论中提取和分类需求,实现了最先进的结果。基于他们的参考分类任务和结果,我们成功开发并验证了一个深度学习支持的人工智能管道,实现了对用户反馈分析的标准任务的最先进的平均分类准确率高达87%。这种方法包括一个基于bert的序列分类器,即使在极少量的数据集环境中也被证明是有效的。此外,我们的方法大大减少了评估的时间和成本,并提高了使用传统的基于ML-/nlp-的技术实现的准确性度量。
https://www.bilibili.com/video/BV1SP4y1Q7iW/
Title
基于深度学习的小数据集环境在线反馈用户需求分类 Classifying User Requirements from Online Feedback in Small Dataset Environments using Deep Learning
Link
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9604705
Year
2021
Conference or Journal
IEEE International Requirements Engineering Conference (RE)
Rank
CCF-B
Keywords
深度学习,反馈分析,机器学习,用户反馈,用户评论
Abstract
大量用户访问App Store/谷歌Play等应用商店和Twitter等社交媒体平台,并提供关于数字体验的反馈。这个由用户反馈组成的庞大文本语料库有潜力挖掘用户对产品和服务的意见的详细见解。现已提出了各种各样的工具,它们使用自然语言处理(NLP)和传统的基于机器学习(ML)的模型作为在用户反馈中识别需求的低成本机制。然而,由于生成大量无偏标签数据集的成本和普遍的低效率等因素,它们在不可见数据的分类精度上存在不足。最近,Van Vliet等人通过传统的众包从用户评论中提取和分类需求,实现了最先进的结果。基于他们的参考分类任务和结果,我们成功开发并验证了一个深度学习支持的人工智能管道,实现了对用户反馈分析的标准任务的最先进的平均分类准确率高达87%。这种方法包括一个基于bert的序列分类器,即使在极少量的数据集环境中也被证明是有效的。此外,我们的方法大大减少了评估的时间和成本,并提高了使用传统的基于ML-/nlp-的技术实现的准确性度量。