Kausaalsuse juhtimine ja analüüs nõuete juhendites tarkvara disainideks
Nimi
Olumide Olugbenga Oluyide
Kokkuvõte
Tarkvara disainide ülesanneteks, mis sisaldavad loomulikku keelt, kausaalsuse uuringu tulemused tagavad väärtuslikku ja kõikehõlmavat semantilist informatsiooni, eriti peamiste muutujate identifitseerimiseks toote tarkvara disaini ja optimeerimise jooksul. Kuna huvi analüütilise andmeteaduse vastu nihkub korrelatsioonitest kausaalsuse parema mõistmisele, on olemas võrdne ülesanne keskendunud kausaalsuse väljavõtte täpsusele tekstilistest esemetest, et abistada nõuete inseneerimise põhinevaid otsuseid. Käesolev magistritöö keskendub kausaalsete fraaside identifitseerimisele, väljavõttele ja rühmitamisele kasutades sõna ja lause märgistamist, mis põhineb transformerite kahesuunaliste kodeerijatele (BERT) sügava õppimise loomuliku keele mudelil ning viiel masinõppe mudelil. Eesmärgiks on mõista kausaalsuse vormi ja astet, mis põhinevad oma mõjul ja levimisel nõuete inseneerimise praktikal. Metodoloogiliselt, meie analüüs keskendub nõuete inseneerimise praktikale, arvestati 12 438 lausega välja võtnud 50 nõuete inseneerimise juhenditest (REM), et harjutada meie masinate mudeleid. Meie uuring teatab, et kausaalsed väljendid moodustavad umbes 32% REM lausetest. Me rakendasime nelja hindamismõõdikut nimelt meenutamine, täpsus, kordustäpsus ja F1, et hinnata meie masina mudelite jõudlust ja täpsust, et tagada tulemuste vastavust meie uuringu eesmärgile. Lisaks, arvutasime kõrgeima mudeli täpsus on 85%, mis omistati Naive Bayes. Lõpuks, peab märkama, et kohaldatavus ja kausaalsuse analüütilise raamistiku asjakohasus sobiks erinevatele praktikutele, näiteks, nõuete inseneridele ja tarkvaraarendajatele, et genereerida testjuhtumeid. Samuti juhtkonna sidusrühmad võiksid kasutada seda, et tulemusauditi paremaks teha.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Tarkvaratehnika
Juhendaja(d)
Ishaya Peni Gambo
Kaitsmise aasta
2023