基于用户反馈的移动应用可信评估与演化技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61672274
  • 项目类别:
    面上项目
  • 资助金额:
    62.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0202.系统软件、数据库与工业软件
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

With the popularity of smartphones and mobile devices, mobile application markets have been growing exponentially. In these markets, a reasonable prediction model to dynamically evaluate the trustworthiness of mobile applications is helpful for its healthy development. On one hand, developers can take advantage of the prediction model to improve the user satisfaction of their mobile applications; on the other hand, users can use the prediction model to discover mobile applications that can meet their personal interests. However, the prediction model faces several challenges including the sparseness, diversity, and validity of user feedback. To this end, the proposed project intends to start with user trust inference model, application trustworthiness evaluation model, and application trustworthiness tracking model, and finally derive a comprehensive and reasonable model to evaluate and track the trustworthiness of mobile applications.
随着智能手机与移动设备的广泛普及,移动应用市场呈现爆炸式增长,而合理的移动应用可信评估与预测模型能促进移动应用市场的良性发展,开发者可借助可信评估与演化模型帮助其改进移动应用的用户满意度,用户则可借助可信评估与演化模型选择满意的移动应用。然而,基于用户反馈的移动应用可信评估与演化预测面临着用户反馈数据稀疏性、多样性和有效性等问题困扰。为此,本项目拟从用户间信任关系推导模型、移动应用可信评估模型、移动应用可信演化模型等方面进行研究,试图构造一个完整而合理的移动应用可信评估与演化模型。

结项摘要

随着智能手机与移动设备的广泛普及,移动应用市场呈现爆炸式增长,而合理的移动应用可信评估与预测模型能促进移动应用市场的良性发展,开发者可借助可信评估与演化模型帮助其改进移动应用的用户满意度,用户则可借助可信评估与演化模型选择满意的移动应用。然而,基于用户反馈的移动应用可信评估与演化预测面临着用户反馈数据稀疏性、多样性和有效性等问题困扰。为此,本项目在用户反馈文本信息检索技术、基于用户反馈的移动应用可信评估技术、基于用户反馈的移动应用可信演化预测技术和面向开发者的可信提升辅助技术等方面取得了预期成果。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(12)
专利数量(8)
Version-Aware Rating Prediction for Mobile App Recommendation
移动应用推荐的版本感知评级预测
  • DOI:
    10.1145/3015458
  • 发表时间:
    2017-08-01
  • 期刊:
    ACM TRANSACTIONS ON INFORMATION SYSTEMS
  • 影响因子:
    5.6
  • 作者:
    Yao, Yuan;Zhao, Wayne Xin;Lu, Jian
  • 通讯作者:
    Lu, Jian
Enhancing supervised bug localization with metadata and stack-trace
使用元数据和堆栈跟踪增强受监督的错误本地化
  • DOI:
    10.1007/s10115-019-01426-2
  • 发表时间:
    2020-02
  • 期刊:
    Knowledge and Information Systems
  • 影响因子:
    2.7
  • 作者:
    Wang Yaojing;Yao Yuan;Tong Hanghang;Huo Xuan;Li Ming;Xu Feng;Lu Jian
  • 通讯作者:
    Lu Jian
基于循环神经网络的缺陷报告分派方法
  • DOI:
    10.13328/j.cnki.jos.005532
  • 发表时间:
    2018
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    席圣渠;姚远;徐锋;吕建
  • 通讯作者:
    吕建
Bug Triaging Based on Tossing Sequence Modeling
基于抛掷序列建模的错误分类
  • DOI:
    10.1007/s11390-019-1953-5
  • 发表时间:
    2019-09
  • 期刊:
    Journal of Computer Science and Technology
  • 影响因子:
    0.7
  • 作者:
    Xi Sheng Qu;Yao Yuan;Xiao Xu Sheng;Xu Feng;Lv Jian
  • 通讯作者:
    Lv Jian
Dual-regularized one-class collaborative filtering with implicit feedback
具有隐式反馈的双正则一类协同过滤
  • DOI:
    10.1007/s11280-018-0574-1
  • 发表时间:
    2018-05
  • 期刊:
    World Wide Web-Internet and Web Information Systems
  • 影响因子:
    3.7
  • 作者:
    Yuan Yao;Hanghang Tong;Guo Yan;Feng Xu;Xiang Zhang;Boleslaw K Szymanski;Jian Lu
  • 通讯作者:
    Jian Lu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

腹腔镜肝切除:解剖性与非解剖性利弊之我见
  • DOI:
    10.3877/cma.j.issn.1674-3946.2019.03.004
  • 发表时间:
    2019
  • 期刊:
    中华普外科手术学杂志(点子版)
  • 影响因子:
    --
  • 作者:
    戴朝六;徐锋;金添强
  • 通讯作者:
    金添强
Fe2O3-CuO/ZSM-5催化剂催化低浓度瓦斯制甲醇
  • DOI:
    10.16085/j.issn.1000-6613.2016.05.026
  • 发表时间:
    2016
  • 期刊:
    化工进展
  • 影响因子:
    --
  • 作者:
    徐锋;吴扬;李创;朱丽华
  • 通讯作者:
    朱丽华
施磷量与施磷深度对玉米-大豆套作系统磷素利用率及磷流失风险的影响
  • DOI:
    10.13287/j.1001-9332.201804.026
  • 发表时间:
    2018
  • 期刊:
    应用生态学报
  • 影响因子:
    --
  • 作者:
    赵伟;宋春;周攀;王嘉雨;徐锋;叶芳;王小春;杨文钰
  • 通讯作者:
    杨文钰
甲烷液相部分氧化制甲醇的动力学影响因素
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    石油化工
  • 影响因子:
    --
  • 作者:
    徐锋;朱丽华;Xu Feng,Zhu Lihua(Department of Safety Engineering
  • 通讯作者:
    Xu Feng,Zhu Lihua(Department of Safety Engineering
基于行为分析的特种木马主动防御技术
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    南京理工大学学报
  • 影响因子:
    --
  • 作者:
    张国印;徐锋;孙建国;李春晓
  • 通讯作者:
    李春晓

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

徐锋的其他基金

基于声誉的网构软件可信保障技术研究
  • 批准号:
    61073030
  • 批准年份:
    2010
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目
面向网构软件体系结构的可信管理模型与技术研究
  • 批准号:
    60603034
  • 批准年份:
    2006
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码