app_reviews
קוד פתוחsealuzhunknown2022-03-02
מאגר ביקורות משתמשים באנגלית על מאות אפליקציות קוד פתוח לאנדרואיד. הוא מיועד למי שבונה מודלים לסיווג משובים, ניתוח תקלות וזיהוי שביעות רצון לפי כוכבים.
- 1,159הורדות בחודש
- 27לייקים
מה זה
המאגר מרכז 288,065 ביקורות משתמשים שנאספו עבור 395 אפליקציות שונות מתוך פלטפורמת הקוד הפתוח F-Droid, על פני 23 קטגוריות וסביב 600 גרסאות תוכנה שונות. החוקרים חילצו את הטקסטים בעזרת שיטות כריית מידע כדי לבחון משובי משתמשים סביב תחזוקת תוכנה והתפתחות קוד לאורך זמן.
המבנה של כל רשומה פשוט ומכיל ארבעה שדות בסיסיים בלבד: שם חבילת האפליקציה, תוכן הביקורת שנכתב באנגלית, התאריך שבו פורסם המשוב ודירוג הכוכבים שנתן המשתמש בסולם של 1 עד 5. כל הנתונים מוגשים תחת חלוקה יחידה של אימון, ללא פיצול מובנה מראש למבחן או ולידציה.
מתאים ל
- סיווג סנטימנט ודירוג
אימון מודל לחיזוי מספר הכוכבים של ביקורת על בסיס הטקסט החופשי של המשתמש.
- ניתוח משוב משתמשים
זיהוי בקשות לתכונות חדשות ודיווח על תקלות מתוך ביקורות על אפליקציות מובייל.
- חקר התפתחות תוכנה
בדיקת הקשר בין דירוגי משתמשים לגרסאות שונות של אפליקציות קוד פתוח לאורך זמן.
איפה זה נופל
כל הביקורות נאספו אך ורק על אפליקציות קוד פתוח ממאגר F-Droid, ולכן הן לא מייצגות את הקהל הרחב של חנות Google Play או מוצרים מסחריים. הטקסטים כולם באנגלית בלבד, ואין כאן עברית כלל. בנוסף, הנתונים מתבססים על מחקר משנת 2017 והועלו ב־2022, מה שאומר שהביקורות ישנות ולא משקפות ממשקים או דפוסי שימוש מודרניים. כרטיס הדאטהסט לא מפרט כיצד סונן מידע רגיש או פרטי, ולכן מומלץ לבדוק את הטקסטים לפני השימוש.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
הרישיון מוגדר כלא ידוע, ולכן אין היתר משפטי ברור לשימוש מסחרי. מומלץ להשתמש בו לצרכי מחקר, בדיקות או אימון פנימי בלבד עד להבהרת הרישיון מול היוצרים.
האם יש במאגר ביקורות בעברית?
לא, המאגר מוגדר כמונו-לינגוואלי ומכיל אך ורק ביקורות שנכתבו בשפה האנגלית. אם אתם צריכים לאמן מודל לאפליקציות בשוק הישראלי, הנתונים האלה לא יתאימו.
מאיפה נאספו הנתונים ומה מיוחד בהם?
המידע נאסף מביקורות על 395 אפליקציות קוד פתוח מתוך מאגר F-Droid במסגרת מחקר אקדמי משנת 2017. הייחוד הוא הקישור בין חוות הדעת של המשתמשים לבין גרסאות התוכנה וקטגוריות היישומים.
איך טוענים
אתם טוענים את המידע ישירות דרך ספריית datasets באמצעות המזהה של המאגר. הקבצים שמורים בפורמט parquet יעיל ודחוס בתוך קובץ יחיד, כך שזמן ההורדה והקריאה לזיכרון מהיר מאוד. אין כאן שום צורך באישור גישה, ברישום או בהגדרת טוקן מראש מול Hugging Face.
השדות המרכזיים לעבודה הם review שמכיל את הטקסט החופשי, ו־star שמשמש לתיוג עבור משימות קלאסיפיקציה וחיזוי דירוג. כדאי להגדיר חלוקת train ו־test עצמאית בקוד לפני האימון, כי המאגר לא מגיע מחולק.
from datasets import load_dataset
ds = load_dataset("sealuzh/app_reviews")הרישיון
הרישיון המדווח במאגר מוגדר unknown. בפועל זה אומר שאין היתר מפורש לשימוש מסחרי, ואי אפשר לדעת מהן המגבלות החוקיות לגבי הפצת מודל שאומן על הנתונים. כל עוד היוצרים לא הגדירו רישיון ברור, לא הייתי מכניס את הדאטהסט הזה למוצר מסחרי אלא משאיר אותו למחקר ובדיקות בלבד.