Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos

Marcacini, Ricardo Marcondes

doi:10.11606/t.55.2014.tde-05082015-094733

Cited by 2 publications

(2 citation statements)

References 94 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…K-means stop criterion is when there are no more changes in the cluster or a maximum number of iterations. The complexity of K-means is linear concerning the number of examples, being efficient in different scenarios (Marcacini, 2014).…”

Section: Likelihoodmentioning

confidence: 99%

Issue detection and prioritization based on app reviews

Lima

Barbosa

Marcacini

2023

Preprint

Self Cite

View full text Add to dashboard Cite

Opinion mining for app reviews aims to analyze people's comments on app stores to support software engineering activities, particularly software maintenance and evolution. One of the main challenges for software quality maintenance is promptly identifying emerging issues, e.g., bugs. However, due to a large amount of textual data, manually analyzing these comments is challenging, and machine learning-based methods have been used to automate opinion mining. Our objective is to minimize the time between the occurrence of the issue and its correction, providing means for the quick identification of the issue through prioritization levels. This paper introduces the automatic generation of a risk matrix from user reviews to answer the following research question: how do we prioritize and treat reviews in time so that the app is competitive and guarantees the timely maintenance and evolution of the software? We present the MApp-IDEA (Monitoring App for Issue Detection and Prioritization) method to detect issues and classify the reviews in a risk matrix with prioritization levels. We present an approach that (i) automatically collects reviews, (ii) detects issues, (iii) classifies reviews in a risk matrix, and then (iv) models the temporal dynamics of issues and risks through time series to trigger alerts. The results showed that our unsupervised issue detection approach is competitive compared to state-of-the-art supervised methods. We performed an empirical evaluation with 50 mobile applications (apps) and processed approximately 5 million reviews, where we detected 230,000 issues and classified them into priority levels using a risk matrix. We have shown that opinions extracted from user comments provide important information about the app's issues and risks. In evaluation, we found that issues detected early with our approach are associated with later fix releases by developers.

show abstract

Section: Likelihoodmentioning

confidence: 99%

Issue detection and prioritization based on app reviews

Lima

Barbosa

Marcacini

2023

Preprint

Self Cite

View full text Add to dashboard Cite

show abstract

“…No sentido de explorar novas possibilidades para tratar a questão da necessidade de processamento extra e/ou a limitação na extração de informações semânticas para certos textos, pode-se investigar a aplicação da abordagem de aprendizado com informação privilegiada (VAPNIK;VASHIST, 2009;MARCACINI, 2014). Nessa abordagem, a representação semanticamente enriquecida pode ser tratada como informação privilegiada e, portanto, pode estar disponível para apenas parte da coleção de documentos.…”

Section: Limitações E Trabalhos Futurosunclassified

Aspectos semânticos na representação de textos para classificação automática

Sinoara¹

View full text Add to dashboard Cite

Agradeço por todas as oportunidades que tive e a todas as pessoas que conheci. Agradeço à minha família, em especial, meus pais Eliane e Mario, meus irmãos Fabio e Guilherme, e meu marido Nabil. Por todo amor, dedicação, apoio e compreensão! Agradeço à minha orientadora Solange Rezende, amiga e incentivadora. Pela orientação acadêmica, profissional e pessoal, pela atenção, e por sempre procurar entender as características individuais de cada um de seus alunos! Agradeço à Professora Maria Carolina Monard e aos amigos do LABIC, aqueles da minha primeira passagem pela pesquisa. Por deixarem uma marca especial na minha vida, que me fez querer voltar. E agradeço a todos os novos amigos do LABIC, aqueles que conheci nos últimos anos, pela troca de conhecimento e experiências, pelo companheirismo, e pelas conversas descontraídas na hora do café. Agradeço a gentil ajuda no início do doutorado, as parcerias, os trabalhos conjuntos e as revisões de

show abstract

Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos

Cited by 2 publications

References 94 publications

Issue detection and prioritization based on app reviews

Issue detection and prioritization based on app reviews

Aspectos semânticos na representação de textos para classificação automática

Contact Info

Product

Resources

About