一个基于机器学习的同理心映射框架,通过应用程序审查分析来增强用户体验

科学领域:

• 人与计算机的交互
• 软件工程 软件工程 软件工程
• 自然语言处理自然语言处理.

背景情况:

• 用户体验 (UX) 对软件的有效性至关重要,它会影响用户的参与度和满意度.
• 共感映射是一种设计思维技术,有助于理解用户的感知,但传统上是手动的,耗时和昂贵的.
• 现有的方法限制了用户体验研究和设计过程的可扩展性.

研究的目的:

• 利用用户发布的应用程序评论开发一种用于同情心映射的自动化流程.
• 提高用户体验设计和研究的效率和可扩展性.
• 以利用自然语言处理为数据驱动的用户体验洞察力.

主要方法:

• 使用变压器双向编码器表示 (BERT) 的情感分析来将评论分为积极的 (收益) 和消极的 (痛苦).
• 使用隐藏的迪里克莱特分配 (LDA) 进行主题建模,以识别用户偏好和评论中的关键主题.
• 应用程序评论的自动分析取代了传统的手动同理心映射技术.

主要成果:

• 拟议的BERT模型在情绪分类中实现了高准确度,训练二元准确度达到98.61% (精度97.82%,F1 98.62%,回忆99.42%).
• 验证精度达到了92.58% (F1 92.59%,精度 92.43%,回忆 92.75%),显示出强大的性能.
• 自动化方法在效率和可扩展性方面显著改善了传统的手动同情心映射.

结论:

• 自动化同情心映射过程为传统方法提供了可扩展和高效的替代方案.
• 这种数据驱动的方法为用户体验设计团队和开发人员提供了宝贵的见解.
• 该模型促进了快速的用户反,使软件应用程序的持续改进成为可能.