BriefGPT - AI 论文速递
·
基于人工智能的手机应用程序评论中公平性关注的研究
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本研究构建了包含公平性和非公平性评论的数据集，并开发了机器学习和深度学习分类器来区分它们。最佳分类器能以94%的准确率检测出公平性评论，并在950万条评论中识别出约92,000个公平性评论。公平性评论分布在23个应用类别中，其中'通讯'和'社交'类别最多。通过聚类和手动分析，识别出了六种不同类型的公平性问题。对于这些评论，分析了2,248个应用开发者的回复，找出了六个根本原因和几种合理解释。
🎯
关键要点
- 本研究构建了包含公平性和非公平性评论的数据集。
- 开发了机器学习和深度学习分类器来区分公平性评论和非公平性评论。
- 最佳分类器能以94%的准确率检测出公平性评论。
- 在950万条评论中识别出约92,000个公平性评论。
- 公平性评论分布在23个应用类别中，'通讯'和'社交'类别最多。
- 通过聚类和手动分析，识别出了六种不同类型的公平性问题。
- 分析了2,248个应用开发者的回复，找出了六个根本原因和几种合理解释。
➡️
