سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

استخراج نیازمندی‌ها مبتنی بر یادگیری ماشین در مهندسی نیازمندی‌ها: یک مرور نظام‌مند

نویسندگان :

زهرا طهماسبی بلداجی¹ حبیب نادری بلداجی²

1- دانشکده هوش مصنوعی- فناوری های اجتماعی و پیشرفته، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران 2- دانشکده هوش مصنوعی- فناوری های اجتماعی و پیشرفته، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

کلمات کلیدی :

مهندسی نیازمندی ها،معماری سازمانی نرم افزار،یادگیری ماشین،مهندسی سیستم،نیازمندی های نرم افزار

چکیده :

یک روند رو به رشد در استخراج نیازمندی‌ها، استفاده از تکنیک‌های یادگیری ماشینی (ML) برای خودکارسازی فرآیندهای دست‌وپاگیر است. این پژوهش تکنیک‌ها و چالش‌های یادگیری ماشین در استخراج نیازمندی‌ها را در مقالات مختلف مورد بررسی قرار می‌دهد. 15 وظیفه برانگیختن نیاز مبتنی بر ML شناسایی و به چهار دسته طبقه‌بندی گردید. منابع داده مختلف برای ساخت یک مدل داده‌محور در این بررسی شناسایی و طبقه‌بندی شده‌اند. علاوه بر این، تکنیک‌های ساخت روش‌های استخراج نیازمندی مبتنی بر ML به پنج بخش طبقه‌بندی شد که عبارتند از : (1) پاکسازی و پیش‌پردازش داده، (2) استخراج ویژگی متنی، (3) یادگیری، (4) ارزیابی، و (5) ابزار. به طور خاص، 3 روش پیش‌پردازش، 3 استراتژی استخراج ویژگی‌های مختلف، 12 خانواده مختلف از روش‌های یادگیری، 2 استراتژی ارزیابی مختلف، و ابزارهای مختلف خارج از این طبقه‌بندی در دسترس عموم شناسایی شدند. یافته‌ها به محبوبیت الگوریتم‌های Naive Bayes، Support Vector Machines، Decision Trees و Neural Networks اشاره دارند. دقت، یادآوری و امتیاز F1 رایج‌ترین معیارهای ارزیابی هستند که برای سنجش عملکرد مدل استفاده می‌شوند. در نهایت، رایج‌ترین ابزارهای یادگیری ماشین، Weka و Scikit-learn شناسایی و فهرست شدند.