Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Mining User Feedback for Software Evolution across Different Languages and from Multiple Channels
Organization Unit
Authors
  • Emanuel Oehri
Supervisors
  • Emitza Guzman Ortega
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2017
Abstract Text It is essential to consider user need and expectations in order for software to remain relevant and useful throughout its evolution. However, users can provide feedback explicitly through a dedicated channel, or implicitly by discussing software with other users. In addition, users use different languages to express their needs. The variety of channels and the different languages used pose a challenge in understanding and capturing the whole picture of expressed user needs. In this thesis, we present an approach to automatically identify similar user feedback across different languages and from multiple channels. At the core of the approach is a word aligner that aligns words based on their semantic similarity and the similarity between their local semantic contexts. Additionally, we make use of Sentiment Analysis and Text Classification and compute a similarity score by means of a weighted function. We evaluate our approach on user feedback from five different mobile applications obtained from application distribution platforms (i.e. app stores) and social networking sites. The obtained results are encouraging. Compared to human assessment, the overall performance for monolingual user feedback pairs yielded a correlation of 79.38%, whereas for cross-lingual pairs the correlation was 77.95%.
Zusammenfassung Damit Software in ihrer Evolution relevant und nützlich bleibt, ist es wichtig die Bedürfnisse und Erwartungen der Nutzer zu berücksichtigen. Allerdings können Benutzer Feedback explizit über einen dedizierten Kanal oder implizit durch das Diskutieren über Software mit anderen Benutzern zur Verfügung stellen. Darüber hinaus verwenden die Benutzer verschiedene Sprachen, um ihre Bedürfnisse auszudrücken. Die Vielfalt der verwendeten Kanäle und die Verwendung von verschiedenen Sprachen stellen eine Herausforderung für das Verständnis und die Erfassung des gesamten Bildes der ausgedrückten Benutzerbedürfnisse dar. In dieser Arbeit stellen wir einen Ansatz vor, um ähnliche User Feedbacks in verschiedenen Sprachen und auf verschiedenen Kanälen automatisch zu identifizieren. Der Ansatz baut auf einer Technik auf, die Wörter auf der Grundlage ihrer semantischen Ähnlichkeit und der Ähnlichkeit zwischen ihren lokalen semantischen Kontexten zusammenführt. Darüber hinaus nutzen wir Sentimentanalyse und Textklassifikation und berechnen eine Ähnlichkeits- bewertung mit Hilfe einer gewichteten Funktion. Wir evaluieren unseren Ansatz mit User Feedbacks von fünf verschiedenen mobilen Anwendungen, die von digitalen Vertriebsplattformen für Anwendungs- software (d.h. App Stores) und Sozialen Netzwerken extrahiert wurden. Die erzielten Ergebnisse sind vielversprechend. Im Vergleich zur menschlichen Beurteilung ergab die Gesamtleistung für monolinguale User-Feedback-Paare eine Korrelation von 79,38%, während bei multilingualen Paaren die Korrelation 77,95% betrug.
PDF File Download
Export BibTeX