信息技术与人工智能正在潜移默化地改变着人们的生活,智能手机已在学习工作中不可或缺,App软件日益盛行。用户通过下载安装软件后,在应用商店发表评论反馈自己的意见,App软件开发人员会不定期对软件进行迭代,并发布迭代日志。用户的负面评论中蕴含着大量用户需求和对App软件的意见和建议,研究软件开发人员如何利用用户负面评论信息来对App软件进行迭代意义重大。本文通过爬取App软件负面评论和迭代日志信息,提取这些信息中的特征,并根据评论特征强度和日志特征强度定义迭代模式和迭代节,通过计算所有迭代节的迭代有效性和及时性,聚类出五种迭代模式,并对迭代模式进行了系列分析。本文具体研究包括以下内容:(1)分析当前App软件在各大应用商店的现状,编写网络爬虫程序,爬取苹果应用商店免费排名榜前100的App软件的负面评论信息和迭代日志信息,并对原始数据予以统计方面的分析,主要针对不同星级评论数量和迭代数量进行了可视化描述。(2)对原始数据进行了文本预处理,包括垃圾评论过滤、文本分词和文本停用词过滤,并对预处理过后的数据利用主题模型提取特征。定义了迭代模式和迭代节,并描述评论特征和迭代特征强度,给出迭代的有效性和及时性的计算方法,并利用有效性和及时性计算开发人员针对用户负面评论中反馈的特征所做出的响应,利用K-means聚类算法共挖掘出五种迭代模式,并对这五种迭代模式进行描述。(3)根据挖掘得到的五种迭代模式,利用多元线性回归分析App迭代模式与排名的关系发现,迭代的有效性越低,App软件排名越靠后,迭代的有效性越高,App软件排名越靠前,迭代的低及时性不利于App软件排名的提升。分析迭代模式与负面评论一星、二星、三星数量和总数量关系发现,迭代模式与负面评论的数量不存在相关关系。分析迭代模式的相似性发现App的某特征的迭代模式主要取决于软件开发人员,分析迭代模式的稳定性发现软件开发人员针对特征响应时倾向于选择不同的迭代模式。本文的结论能够帮助开发人员了解其对用户负面评论予以响应的规律,对开发人员提升App软件的质量有一定的指导意义。