UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Universidad Del Perú, DECANA DE AMÉRICA

FACULTAD DE INGENIERÍA DE SISTEMA E

INFORMÁTICA

Escuela Académico Profesional de Ingeniería de Sistemas

ESTADO DEL ARTE

Presentada por

1. Alarcón Arca, Jesús Jair 16200103

Profesor

César Luza Montero

Informe presentado para el curso de Proyecto de Tesis

Lima
2019
Contenido

Too Many User-Reviews! What Should App Developers Look at First?..............................3

Problema.................................................................................................................................3

Importancia del problema.......................................................................................................3

Estado del arte.........................................................................................................................4

La detección de evasión de impuestos de valor agregado en Taiwán.................................4

Tecnologías de Data Warehouse.........................................................................................4

Tecnologías de Minería de Datos........................................................................................5

Motivación del autor...............................................................................................................5

Descripción del aporte del autor.............................................................................................5

Proceso para resolver el problema..........................................................................................8

Principal resultado...................................................................................................................9

Referencias bibliográficas.....................................................................................................10
TOO MANY USER-REVIEWS! WHAT SHOULD APP DEVELOPERS LOOK AT

FIRST?

Author (s): Noei, Ehsan; Feng, Zhang; Ying, Zou

Títle of paper: Too Many User-Reviews! What Should App Developers Look at First?

Journal: IEEE Transactions on Software Engineering

Volume (issue): 47(2)

pag – pag (year): 8769-8777

PROBLEMA

Encontrar los temas clave de opiniones de usuario de las aplicaciones y analizar su relación con

las clasificaciones por estrellas para determinar los factores claves de las bajas calificaciones que

permitan a los desarrolladores de aplicaciones identificar mejoras, nuevas funcionalidades que se

pueden implementar o bugs a corregir en una siguiente versión de la aplicación.

IMPORTANCIA DEL PROBLEMA

En el mercado de las aplicaciones móviles, la calificación por estrellas y comentarios que

dejan los usuarios de las aplicaciones son de suma importancia para el éxito de una aplicación.

Muchos usuarios dependen de las calificaciones por estrellas y de lo comentarios para elegir

nuevas aplicaciones para descargar. Las calificaciones pueden influir en los ingresos de las

empresas de desarrollo de aplicaciones (Bavota, Linares-Vásquez, Bernal-Cárdenas, Penta, &

Oliveto, 2015). En este competitivo mercado, aplicativos con baja calificación en la tienda de

aplicaciones no suelen sobrevivir mucho tiempo. Una calificación de estrellas normalmente

viene acompañada de un comentario. Una revisión de usuario es un texto informal sin una

estructura predefinida (Palomba, y otros, 2015) y podría contener información útil, como

3
informes de errores, solicitudes de funciones y experiencias de usuario (Fu, Lin, Li, Faloutsos, &

Hong, 2013).

ESTADO DEL ARTE

La detección de evasión de impuestos de valor agregado en Taiwán

Falta.

Tecnologías de Data Warehouse.

En Texas Falta

Tecnologías de Minería de Datos

La minería de datos

MOTIVACIÓN DEL AUTOR

El

DESCRIPCIÓN DEL APORTE DEL AUTOR

Se

Selección de muestras de datos de IVA

Las

Construcción del almacén de datos

En el.

Extracción de atributos

La.

Data marts y cubos de datos

intradimensional.

PROCESO PARA RESOLVER EL PROBLEMA

Recolección de muestras de datos.

prueba

4
Construcción de cubos de datos

s.

Modelo de evaluación

tasa de precisión.

PRINCIPAL RESULTADO

fiscales.

5
AR-MINER: MINIG INFORMATIVE REVIEWS FOR DEVELOPERS FROM MOBILE

APP MARKETPLACE

Author (s): Chen, Ning; Lin, Jialiu; Hoi, Steven C. H.; Xiao, Xiaokui & Zhang, Boshen

Títle of paper: AR-Miner: minig informative reviews for developers from mobile app

marketplace

Journal: Proceedings of the 36th International Conference on Software Engineering

Volume (issue): Issue 1

pag – pag (year): 767–778

PROBLEMA

Existe una ausencia de herramientas eficaces en el análisis de reseñas de usuarios, este tipo de

tareas se hacen de manera manual requiriendo así de un esfuerzo considerable, de parte de los

desarrolladores, para recopilar y explotar los comentarios útiles para mejorar la satisfacción de

los usuarios.

IMPORTANCIA DEL PROBLEMA

En estos últimos las metodologías iterativas e incrementales para desarrollar, probar y mejorar

aplicaciones se han vuelto populares entre los desarrolladores de software. En este sentido, los

comentarios oportunos y constructivos de los usuarios se vuelven extremadamente cruciales para

que los desarrolladores corrijan errores, implementen nuevas funciones y mejoren la experiencia

del usuario de manera ágil. Un desafío clave para muchos desarrolladores de aplicaciones es

cómo obtener y digerir los comentarios de los usuarios de una manera eficaz y eficiente, es decir,

la tarea de "extracción de comentarios de los usuarios”.

6
ESTADO DEL ARTE

Análisis de las tiendas de aplicaciones

y oportuna para las autoridades fiscales.

En

Tecnologías de Minería de Datos

La

MOTIVACIÓN DEL AUTOR

El

DESCRIPCIÓN DEL APORTE DEL AUTOR

Se

Selección de muestras de datos de IVA

Las

Construcción del almacén de datos

En el.

Extracción de atributos

La

Data marts y cubos de datos

Los.

PROCESO PARA RESOLVER EL PROBLEMA

Recolección de muestras de datos.

Las

Construcción de cubos de datos

Para.

7
Modelo de evaluación

Para.

PRINCIPAL RESULTADO

El.

REFERENCIAS BIBLIOGRÁFICAS

Bavota, G., Linares-Vásquez, M., Bernal-Cárdenas, C. E., Penta, M. D., & Oliveto, R. &. (2015).

The Impact of API Change- and Fault-Proneness on the User Ratings of Android Apps.

IEEE Transactions on Software Engineering, 384-407. doi:10.1109/TSE.2014.2367027

Chen, N., Lin, J., Hoi, S. C., & Xiao, X. &. (2014). AR-Miner: Mining Informative Reviews for

Developers from Mobile App Marketplace. Proceedings of the 36th International

Conference on Software Engineering, 767–778. doi:10.1145/2568225.2568263

Fu, B., Lin, J., Li, L., Faloutsos, C., & Hong, J. &. (2013). Why people hate your app: making

sense of user feedback in a mobile app store. Proceedings of the 19th ACM SIGKDD

international conference on Knowledge discovery and data mining, 1276–1284.

doi:doi.org/10.1145/2487575.2488202

Huang, M. J., & and S. M. Lin. (2009). Tax evasion and audit selection. The International

Journal of Accounting Studies, 48, 35-66.

Keen, M., & Lockwood, B. (2010). The value added tax: Its causes and consequences. Journal

of Development Economics, 92, 138-151. doi:Keen, M., & Lockwood, B. (2010). The

value added tax: Its causes and consequences. Journal of Development Economics, 92(2),

138–151. doi:10.1016/j.jdeveco.2009.01.012 

Noei, E., Feng, Z., & Ying, Z. (2021). Too Many User-Reviews! What Should App Developers

Look at First? IEEE Transactions on Software Engineering, 47, 367 - 378.

8
 doi:10.1109/TSE.2019.2893171

Palomba, F., Linares-Vásquez, M., Bavota, G., Oliveto, R., Di Penta, M., & Poshyvanyk, D. &.

(2015). User reviews matter! Tracking crowdsourced reviews to support evolution of

successful apps. 2015 IEEE International Conference on Software Maintenance and

Evolution (ICSME), 291-300. doi:10.1109/ICSM.2015.7332475

Songini, M. L. (2004). Fraud sniffers. Computerworld.

Wu, R.-S., C.S. Ou, H.-y. L., Chang, S.-I., & Yen, D. C. (2012). Using data mining technique to

enhance tax evasion detection performance. Expert Systems with Applications, 39, 8769-

8777.