概要: ソフトウェア開発において，アプリケーションレビューは開発者にとって豊富な情報源である．しか し，レビューは膨大な数が投稿されており，無意味なレビューも多い．これらの情報を開発者が効率よ く取得するために，自然言語処理と機械学習を用いてレビューを自動分類する手法が数多く報告されて いる．これらの手法では主に教師あり学習を用いるため，大量のレビューを目視で確認し，バグ報告や 機能要求といったラベルを付与することで教師データを生成する必要がある．またレビューとは別に， エンドユーザが情報を共有する場としてフォーラムがある．特にゲームの分野で盛んな文化で，フォー ラムに投稿される各トピックはバグ報告や機能要求などのカテゴリーに分類されている．本研究では， すでにカテゴライズされたフォーラムのトピックを教師データとして用いることで，教師データを用意 するコストを削減したレビューの分類手法を提案する．実験では，デジタルゲーム配信プラットフォー ムである Steam 上のレビューを対象に，レビューをバグ報告，機能要求，その他の 3 種類に分類した． 既存手法では教師データの用意に 50 時間以上費やしたが，提案手法では 2 時間程度であり，教師データ を用意するコストが大幅に削減できた．また，分類精度は既存手法には劣るものの，提案手法の AUC は 0.8 以上であり，十分な精度でレビューを分類できることを示した．

@mastersthesis{市川直人2022a,
  author = {市川 直人},
  title = {アプリレビュー分類におけるフォーラムを用いた分類モデルの構築},
  school = {大阪大学},
  year = {2022},
  month = {feb}
}