文献

J-GLOBAL ID：202102262866965620   整理番号：21A3327787

二言語プロジェクトにおけるトレーサビリティリンク生成のための情報検索対深層学習アプローチ【JST・京大機械翻訳】

Information retrieval versus deep learning approaches for generating traceability links in bilingual projects

著者 (3件)： Lin Jinfeng (University of Notre Dame, Notre Dame, IN, USA) ,  Liu Yalin (University of Notre Dame, Notre Dame, IN, USA) ,  Cleland-Huang Jane (University of Notre Dame, Notre Dame, IN, USA)
資料名： Empirical Software Engineering  (Empirical Software Engineering)
巻： 27  号： 1  ページ： 5  発行年： 2022年 
JST資料番号： W1036A  ISSN： 1382-3256  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ソフトウェアトレーサビリティリンクは,コンプライアンス解析,安全保証,および要求検証のようなタスクをサポートするために,ソフトウェア開発プロセスの多様なアーチファクトの間で確立された。しかし,実践は,自明でないサイズのプロジェクトでトレースリンクを創造し,維持するのが困難で高価であることを示した。このため,多くの研究者が情報検索と深層学習に基づく自動化手法を提案し,評価した。また,多重言語で書かれたアーチファクトを含む多国籍プロジェクトにおいて,自動的にトレースリンクを攻撃することは,挑戦的である。混在した言語利用は,自動追跡解法の効率を減少することができた。本研究では,いくつかの異なるプロジェクトにおいて観測された混交言語のパターンを解析し,次に,異なる追跡アルゴリズムを比較評価した。これらは,ベクトル空間モデル(VSM),潜在セマンティックインデクシング(LSI),潜在Dirichlet Allocation(LDA),およびモノ-およびクロス-言語単語埋込みをGenerative Vector Space Model(GVSM)と組合せる様々なモデル,およびBERT言語モデルに基づく深層学習アプローチを含む情報検索技術を含む。14の中国語-英語プロジェクトのために生成されたトレースリンクの著者らの実験的分析は,著者らのマルチLingual Trac-BERTアプローチが,最良のIR手法の精度を2倍に近い大規模プロジェクトにおいて最良に実行して,一方,ニューラルマシン翻訳とモノリンガル単語埋込みを有するIRベースのGVSMは,小さなプロジェクトに関して最良に実行したことを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *情報検索 ,  自動化 ,  *言語 ,  LSI【IC】 ,  英語 ,  中国語 ,  多重化 ,  ソフトウェア ,  単語 ,  アーチファクト ,  ソフトウェアプロセス ,  言語モデル
準シソーラス用語： ベクトル空間モデル ,  比較評価 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： ソフトウェアトレーサビリティ ,  言語間情報検索 ,  一般化ベクトル空間モデル ,  BERT

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (6件)： 言語 ,  プロジェクト ,  トレーサビリティ ,  リンク ,  情報検索 ,  深層学習