Automatic Classification of Non-Functional Requirements From App Store Reviews. Reviewing and Applying Approaches From Current Research
Esther Krystek
thg 9 2021 · Aus der Reihe: e-fellows.net stipendiaten-wissen Sách 3949 · GRIN Verlag
Sách điện tử
33
Trang
family_home
Đủ điều kiện
info
reportĐiểm xếp hạng và bài đánh giá chưa được xác minh Tìm hiểu thêm
Giới thiệu về sách điện tử này
Bachelor Thesis from the year 2021 in the subject Business economics - Miscellaneous, grade: 1,3, University of Mannheim, language: English, abstract: The thesis addresses a part of the requirements engineering process (RE), namely the treatment of non-functional requirements. Requirements are commonly divided into functional requirements (FRs) and non-functional requirements (NFRs). NFRs address the non-functional aspects of a system, for example, its user interface. The thesis lays the theoretical background and explores the general nature of NFRs including different taxonomies of NFRs. It then looks closely at NFRs in the context of mobile applications. In their marketplaces, so-called App Stores, users can express their opinion about an app after downloading and using it. Software developers can collect requirements straight from these reviews. This can help them improve their software to meet users' expectations. Due to the vast amount of review data manual inspection is tedious, time-consuming, cumbersome, or even infeasible. Tools to automatically classify such reviews might aid with this problem. However, there is still no solution to automatically extract NFRs from app store reviews and classify them into different types in practice. The thesis, therefore, assesses the current state of research in developing automated solutions to classify NFRs from app store reviews. It analyzes several past approaches to automatically classify NFRs from app store reviews using machine learning and looks at the performance of different algorithms used for these approaches. It states that the so-called Support Vector Machine (SVM) algorithm performed best in the settings analyzed. The second practical part of the thesis then applies this SVM algorithm onto a given dataset with labeled reviews using Python. The reviews are classified into either one of these categories or no category at all: Usability, Dependability, Performance, and Supportability.
Xếp hạng sách điện tử này
Cho chúng tôi biết suy nghĩ của bạn.
Đọc thông tin
Điện thoại thông minh và máy tính bảng
Cài đặt ứng dụng Google Play Sách cho Android và iPad/iPhone. Ứng dụng sẽ tự động đồng bộ hóa với tài khoản của bạn và cho phép bạn đọc trực tuyến hoặc ngoại tuyến dù cho bạn ở đâu.
Máy tính xách tay và máy tính
Bạn có thể nghe các sách nói đã mua trên Google Play thông qua trình duyệt web trên máy tính.
Thiết bị đọc sách điện tử và các thiết bị khác
Để đọc trên thiết bị e-ink như máy đọc sách điện tử Kobo, bạn sẽ cần tải tệp xuống và chuyển tệp đó sang thiết bị của mình. Hãy làm theo hướng dẫn chi tiết trong Trung tâm trợ giúp để chuyển tệp sang máy đọc sách điện tử được hỗ trợ.
