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。
アジャイル法によって開発されたソフトウェアプロジェクト努力を推定することは,プロジェクト管理者または技術的リードにとって重要である。それは,タスクを完了するために,多くの時間と開発者が必要とする方法の最初の見解として要約を提供する。この問題の伝統的アプローチとして,Term周波数逆文書周波数(TFIDF)を含むソフトウェア努力の自動予測に関する研究がある。グラフニューラルネットワークは,テキスト分類のための自然言語処理に適用された新しいアプローチである。グラフニューラルネットワークの利点はグラフデータ構造を介して情報を学習する能力に基づいており,それは単語のベクトル化シーケンスのアプローチと比較して単語間の関係のようなより多くの表現を持っている。本論文では,層点レベル推定におけるグラフニューラルネットワークテキスト分類の可能性と可能な課題を示した。実験により,GNNテキストレベル分類は,従来のアプローチに匹敵する,階数点レベル分類に対して約80%の高精度を達成できることを示した。また,GNN手法を解析し,GNN手法がソフトウェア工学におけるこの問題または他の問題に対して改良できるいくつかの現在の欠点を指摘した。【JST・京大機械翻訳】