在当前的移动应用程序开发中，新兴涌现出的 DevOps 实践（例如，持续交付，集成和用户反馈分析）和工具正在变得越来越普遍。例如，在软件发布周期中，用户反馈的集成（以用户评论的形式提供）代表了移动应用程序维护和发展的宝贵资源。为了充分利用这些资源，开发人员急需要在用户评论和需要更改的软件产品（例如源代码和文档）之间建立语义链接，从而根据用户反馈定位到潜在需要更改的文件。此外，随着移动应用市场的快速发展，许多具有相似功能的应用程序涌现。为了在竞争激烈的环境中获得优势，开发人员不仅需要了解其应用程序的优缺点，还需要了解竞争应用程序。由于用户评论包含了有价值的用户反馈信息，也可用于根据用户偏好比较相似的应用程序。
　　为了充分利用拥有移动应用程序维护和发展宝贵资源的用户评论，本文提出了通过分类，聚类和链接用户评论来支持用户反馈的持续集成，并且利用特定领域的约束信息和半监督学习将用户评论分组为与相似用户请求有关的多个细粒度群集。然后，通过结合版本控制工具的提交消息和源代码的文本信息，自动定位潜在需要更改的文件，从而满足用户提出的需求。为了比较相似移动应用程序，本文使用文档主题生成模型从用户评论中提取话题，然后结合基于规则的情感分析模型、用户评级和用户点赞数对生成的话题进行情感分析，再通过计算跨移动应用程序话题的文本相似度进行话题匹配从而实现跨应用程序的用户评论挖掘，以帮助开发人员了解其应用程序与相似应用程序的优劣并维护更具竞争力的应用程序。
　　实验结果显示，本文提出的方法在聚类和定位准确性方面优于最新的基线工作且在挖掘比较相似应用程序用户评论方面表现良好。