App features are one of the most important factors that people consider when choosing apps. In order to satisfy users’ needs and attract their eyes, deciding what features should be added in next release becomes very important. Different from traditional requirement elimination, app stores provide a new platform for developers to gather requirements and perform market-wide analysis. Considering that software features provided to users can be found out by exploring existing apps, an important way to elicit requirements is analyzing existing features provided by products which offer related functions and then finding new trends and fashions promptly. In this context, we propose a data-driven approach for recommending software features of mobile applications based on user interface comparison. Our approach mines similar user interfaces (UIs) from publicly available online repository. To calculate UI similarity through the best matches of components of two UIs, text similarity is used to measure the similarity of UI components and genetic algorithm is introduced to improve the comparison efficiency. Then, we develop an algorithm to extract features from similar UIs based on a set of identification rules. These features are further clustered with text similarity algorithm and finally recommended to developers. The approach is empirically validated with 44 features from 10 UIs. The experiment results indicate that our recommended features are valuable for requirement elicitation.

中文翻译：

---

基于用户界面比较为移动应用程序推荐软件功能

应用功能是人们在选择应用时考虑的最重要因素之一。为了满足用户的需求并吸引他们的眼球，决定下一个版本应该添加哪些功能变得非常重要。与传统的需求消除不同，应用商店为开发者提供了一个新的平台来收集需求并进行全市场分析。考虑到可以通过探索现有应用程序来发现提供给用户的软件功能，因此获取需求的一个重要方法是分析提供相关功能的产品提供的现有功能，然后及时发现新的趋势和时尚。在这种情况下，我们提出了一种数据驱动的方法，用于基于用户界面比较推荐移动应用程序的软件功能。我们的方法从公开可用的在线存储库中挖掘类似的用户界面 (UI)。为了通过两个 UI 组件的最佳匹配来计算 UI 相似度，使用文本相似度来衡量 UI 组件的相似度，并引入遗传算法来提高比较效率。然后，我们开发了一种算法，根据一组识别规则从相似的 UI 中提取特征。这些特征通过文本相似度算法进一步聚类，最终推荐给开发者。该方法通过来自 10 个 UI 的 44 个功能进行了经验验证。实验结果表明，我们推荐的特征对于需求获取很有价值。文本相似度用于衡量UI组件的相似度，并引入遗传算法来提高比较效率。然后，我们开发了一种算法，根据一组识别规则从相似的 UI 中提取特征。这些特征通过文本相似度算法进一步聚类，最终推荐给开发者。该方法通过来自 10 个 UI 的 44 个功能进行了经验验证。实验结果表明，我们推荐的特征对于需求获取很有价值。文本相似度用于衡量UI组件的相似度，并引入遗传算法来提高比较效率。然后，我们开发了一种算法，根据一组识别规则从相似的 UI 中提取特征。这些特征通过文本相似度算法进一步聚类，最终推荐给开发者。该方法通过来自 10 个 UI 的 44 个功能进行了经验验证。实验结果表明，我们推荐的特征对于需求获取很有价值。该方法通过来自 10 个 UI 的 44 个功能进行了经验验证。实验结果表明，我们推荐的特征对于需求获取很有价值。该方法通过来自 10 个 UI 的 44 个功能进行了经验验证。实验结果表明，我们推荐的特征对于需求获取很有价值。