2021
DOI: 10.1155/2021/6677413
|View full text |Cite
|
Sign up to set email alerts
|

Analysis and Classification of Mobile Apps Using Topic Modeling: A Case Study on Google Play Arabic Apps

Abstract: Mobile app stores provide an extremely rich source of information on app descriptions, characteristics, and usage, and analyzing these data provides insights and a deeper understanding of the nature of apps. However, manual analysis of this vast amount of information on mobile apps is not a simple and straightforward task; it is costly in terms of human effort and time. Computational methods such as topic modeling can provide an efficient and satisfactory approach to mobile app information analysis. Topic mode… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
8
0
1

Year Published

2021
2021
2024
2024

Publication Types

Select...
8
1

Relationship

0
9

Authors

Journals

citations
Cited by 14 publications
(9 citation statements)
references
References 22 publications
0
8
0
1
Order By: Relevance
“…Al-Subaihin et al [59] used Term Frequency-Inverse Document Frequency (TF-IDF), while Ochiai et al [60] used a word embedding model to extract app features from app descriptions. Fuad and Al-Yahya [61] further used Latent Dirichlet Allocation (LDA) to analyze the app descriptions of 13,282 apps in Google Play. They discovered some new categories, including occasions, pandemics, and languages, that were not present in the original app store classification.…”
Section: A App Ecosystem Profilingmentioning
confidence: 99%
“…Al-Subaihin et al [59] used Term Frequency-Inverse Document Frequency (TF-IDF), while Ochiai et al [60] used a word embedding model to extract app features from app descriptions. Fuad and Al-Yahya [61] further used Latent Dirichlet Allocation (LDA) to analyze the app descriptions of 13,282 apps in Google Play. They discovered some new categories, including occasions, pandemics, and languages, that were not present in the original app store classification.…”
Section: A App Ecosystem Profilingmentioning
confidence: 99%
“…The number of applications accessible has skyrocketed in recent years (Fuad & Al-Yahya, 2021). This revolution benefited education greatly by enabling teachers to stay connected with their students through a personal/official website or maybe one of the numerous accessible social media networking sites.…”
Section: )mentioning
confidence: 99%
“…Mobil uygulamaların sınıflandırılmasına ve belirli kategorilere yerleştirilmesine yönelik ilgili alan yazında gerçekleştirilmiş birtakım çalışmalar bulunmaktadır: Uygulamaların içerik bilgilerini kullanarak önceden tanımlanmış kategorilere göre yerleştirilmesi (Zhu, Cao, Chen, Xiong & Tian, 2012;Zhu, Chen, Xiong, Cao & Tian, 2013); otomatik metin taramasına dayalı mobil uygulamaların sınıflandırılması (Berardi, Esuli, Fagni & Sebastiani, 2015); "SimApp" adlı uygulama ile çevrim içi bir çekirdek algoritması üzerinden benzer uygulamaların tespit edilmesi ve sınıflandırılması (Chen, Hoi, Li & Xiao, 2015); akıllı telefon günlüklerine uygulanan nöral dil modeli üzerinden uygulamaların kategorize edilmesi (Radosavljevic vd., 2016); uygulama mağazasından ve çevrim içi yayınlardan alınan içeriklerle zenginleştirilen metinsel açıklamalardan hareketle uygulamaların işlevlerine göre sınıflandırılması (Lavid Ben Lulu & Kuflik, 2016); uygulamaların öz niteliklerinden hareketle hiyerarşik kümeleme yöntemi üzerinden kategorize edilmesi (Al-Subaihin vd., 2016); FRAC+ (bir filtreleme algoritması) ile veri odaklı bir konu modeli üzerinden uygulamaların olması gereken uygun kategorilere otomatik olarak yerleştirilmesi (Surian, Seneviratne, Seneviratne & Chawla, 2017) ve son olarak uygulamaların metin açıklamasına dayanarak Arapça uygulamaların sınıflandırılması (Fuad & Al-Yahya, 2021) gibi çeşitli çalışmalar söz konusudur.…”
Section: İlgili Alan Yazındaki çAlışmalarunclassified