抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
要求トレーサビリティはソフトウェア工学のすべてのフェーズを通して重要な支援を提供する。情報検索(IR)に基づく自動追跡は,手動トレースを実行するために必要な努力を減少させる。残念ながら,IRに基づく微量回収は,ポリセミーによる低い精度に悩まされている。これは,異なる要件に現れる用語に対する複数の意味の共存を意味する。潜在的意味インデクシング(LSI)は,ポリセミーに取り組むための方法,および同義語として導入されてきた。しかし,要求追跡における多項項の範囲と重要性についてはほとんど知られていない。効果を定量化しながら,著者らは,人工ニューラルネットワーク(ANN)に基づく新しい方法を提示し,自動的に多項項を解く能力を強化した。コアアイデアは,この用語がそれらの要求において同じ意味を持つかどうかを学習するために,異なる要求における用語の最高スコア化参照を活用するANNモデルを構築することである。2つのベンチマークデータセットと6つの長寿命オープンソースソフトウェアプロジェクトに基づく実験結果は,著者らの方式が,多項条件を同定することに関するLSIを上回って,したがって,自動化追跡の精度を増加させることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】