随着智能手机的广泛普及,APP软件已成为日常生活中不可或缺的一部分。然而,APP软件的频繁使用也随之带来了越来越多的软件异常,这些软件问题不仅会影响用户体验,还可能造成数据丢失或安全风险。为了深入理解用户操作导致APP软件异常的...随着智能手机的广泛普及,APP软件已成为日常生活中不可或缺的一部分。然而,APP软件的频繁使用也随之带来了越来越多的软件异常,这些软件问题不仅会影响用户体验,还可能造成数据丢失或安全风险。为了深入理解用户操作导致APP软件异常的运行过程,该文从用户使用APP软件过程记录的日志信息中抽取了相关的日志元素,提出了一种基于用户操作的APP软件异常分析方法。首先,利用双向变压器编码器(Bidirectional Encoder Representations from Transformers,BERT)解析日志文本,以捕捉其中上下文的语义;其次,通过日志元素的时序特性分析元素间的因果关系;此外,基于日志元素的分布特征计算互信息,分析日志元素间的依赖程度,并融合上述多种关系特征构建日志元素关系图;最后,借助图遍历算法揭示用户操作引起软件异常的运行过程。实验验证,该方法的准确率和F1-score分别达到86.6%和74.1%。对比实验显示,该方法优于同类方法,验证了该方法的有效性。展开更多
文摘随着智能手机的广泛普及,APP软件已成为日常生活中不可或缺的一部分。然而,APP软件的频繁使用也随之带来了越来越多的软件异常,这些软件问题不仅会影响用户体验,还可能造成数据丢失或安全风险。为了深入理解用户操作导致APP软件异常的运行过程,该文从用户使用APP软件过程记录的日志信息中抽取了相关的日志元素,提出了一种基于用户操作的APP软件异常分析方法。首先,利用双向变压器编码器(Bidirectional Encoder Representations from Transformers,BERT)解析日志文本,以捕捉其中上下文的语义;其次,通过日志元素的时序特性分析元素间的因果关系;此外,基于日志元素的分布特征计算互信息,分析日志元素间的依赖程度,并融合上述多种关系特征构建日志元素关系图;最后,借助图遍历算法揭示用户操作引起软件异常的运行过程。实验验证,该方法的准确率和F1-score分别达到86.6%和74.1%。对比实验显示,该方法优于同类方法,验证了该方法的有效性。
