Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τη βελτιστοποίηση των ϕάσεων ανάλυσης απαιτήσεων λογισµικού

Εφαρμογή τεχνικών μηχανικής μάθησης και ευφυούς
διαχείρισης πληροφορίας για τη βελτιστοποίηση των φάσεων
ανάλυσης απαιτήσεων λογισμικού
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Πολυτεχνική Σχολή
Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών
Υπολογιστών
Επιβλέπων: Ανδρέας Συμεωνίδης
Αν. Καθηγητής Α.Π.Θ.
Αναστάσιος Μουρατίδης
ΑΕΜ: 9040
Θεσσαλονίκη, Μάρτιος 2022

Μάρτιος 2022 Εφαρμογή τεχνικών μηχανικής μάθησης και ευφυούς διαχείρισης πληροφορίας για τη
βελτιστοποίηση των φάσεων ανάλυσης απαιτήσεων λογισμικού
2
02 Μεθοδολογία
05
Μελλοντική Εργασία
01
Εισαγωγή
04 Συμπεράσματα
03
Αποτελέσματα &
Αξιολόγηση

Περιγραφή του προβλήματος
3

Σκοπός της διπλωματικής
Συλλογή συνόλου δεδομένων με
σωστές λειτουργικές απαιτήσεις
4
Αποθήκευση με αποδοτικό τρόπο
Ομαδοποίηση δεδομένων και
συμπεράσματα
Εξαγωγή προτάσεων για νέο έργο
λογισμικού

5
05
01
Εισαγωγή
03

Μεθοδολογία
6

Δεδομένα
7
• Συλλογή δεδομένων από 4 διαφορετικές πηγές
• Συνδυασμός τεχνικών επεξεργασίας φυσικής γλώσσας και χειροκίνητων παρεμβάσεων για την παραγωγή
δεδομένων με παρόμοια μορφή
A user must be able to create an account by providing a username and a password.
123 Έργα Λογισμικού – 4030 Λειτουργικές Απαιτήσεις
• Καθαρισμός από δεδομένα που δεν εισάγουν χρήσιμη πληροφορία

Προεπεξεργασία δεδομένων
8
• Απλοποίηση της σύνταξης: Μετατροπή δευτερευουσών προτάσεων σε κύριες
• Μετατροπή παθητικής φωνής σε ενεργητική
• Όλες οι λειτουργικές απαιτήσεις ξεκινούν με
• A user must be able to…
• A user must have the ability to…

Επεξεργασία Φυσικής Γλώσσας - spaCy
9
• Τμηματοποίηση σε λέξεις (Tokenization)
• Αναγνώριση μέρους του λόγου (Part of speech tagging)
• Λημματοποίηση (Lemmatization)
• changes, changing, changed → change
• Ανάλυση Εξαρτήσεων (Dependency Parsing)
• Αφαίρεση stopwords (the, be, have)
• spaCy: Open-source βιβλιοθήκη
• Γλωσσικά μοντέλα για 64 γλώσσες

Οντότητες Οντολογίας
10
Object
Action
Property
Actor

Εξαγωγή κανόνων συσχέτισης – Αλγόριθμος Apriori
• Είσοδος: Projects αποθηκευμένα με βάση την οντολογία Actor/Action & Action/Object
• Εξαγωγή κανόνων συσχέτισης για συγκεκριμένες τιμές της υποστήριξης (σ) και εμπιστοσύνης (c)
11
𝑆𝑢𝑝𝑝𝑜𝑟𝑡: 𝑠 𝑋 → 𝛶 =
𝜎(𝛸 ∪ 𝛶)
𝛮
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒: 𝑐 𝑋 → 𝛶 =
𝜎(𝛸 ∪ 𝛶)
𝜎(𝛸)
• Κανόνες → Υπόδειξη απούσας λειτουργικότητας

Θεματική Μοντελοποίηση – Αλγόριθμος LDA
• Κατανομή θεμάτων − λέξεων
• Κατανομή εγγράφων − θεμάτων
12

• Αναπαράσταση λέξεων ως διανύσματα
Ιεραρχική Ταξινόμηση με TF-IDF
13
𝑇𝐹(𝑡) =
Αριθμός εμφάνισης του όρου t στο έγγραφο
Αριθμός όρων στο έγγραφο
IDF(𝑡) =
Αριθμός εγγράφων
Αριθμός εγγράφων που περιέχουν τον όρο t
TF−IDF(t) = 𝑇𝐹 𝑡 × 𝐼𝐷𝐹 𝑡
• Απόσταση λέξεων
𝑑𝑖𝑠𝑡 = 1 − 𝑠𝑖𝑚 𝑨, 𝑩 = 1 −
𝑨 ∙ 𝑩
𝑨 ∙ 𝑩
• Υπολογισμός πίνακα Linkage
• Μέθοδος Ward

14
05
01
Εισαγωγή
03

Έργο Λογισμικού Εισόδου
15
• Ημιτελές project: Stereo, εφαρμογή μουσικής με λειτουργικότητα κοινωνικού δικτύου
• 2 παρόμοια projects στο σύνολο δεδομένων: Mob, Spotify

Κανόνες συσχέτισης για το σετ εκπαίδευσης
16
Left Hand Side Right Hand Side Support Confidence
user/edit user/search 0.138 0.630
user/search user/view 0.138 0.405
user/create user/search 0.130 0.615
user/delete user/edit 0.122 0.652
user/delete user/search 0.106 0.565
user/search user/select 0.106 0.310
user/create user/delete 0.098 0.462
user/search user/see 0.098 0.286
notify/user system/notify 0.089 0.786
create/account user/create 0.089 0.579
user/delete user/view 0.089 0.478
user/create user/edit 0.089 0.423
user/create user/view 0.089 0.423
login/system user/login 0.081 0.833
system/notify user/search 0.081 0.714
user/add user/delete 0.081 0.455
user/add user/search 0.081 0.455
Left Hand Side Right Hand Side Support Confidence
user/add user/select 0.081 0.455
user/login user/search 0.081 0.417
user/edit user/select 0.081 0.370
user/navigate user/search 0.073 0.750
notify/user user/search 0.073 0.643
user/add user/edit 0.073 0.409
user/see user/select 0.073 0.360
user/create user/see 0.073 0.346
user/edit user/view 0.073 0.333
user/rate user/search 0.065 0.727
administrator/delete user/login 0.065 0.571
create/account user/search 0.065 0.421
user/delete user/login 0.065 0.348
user/delete user/select 0.065 0.348
user/login user/logout 0.065 0.333
user/login user/select 0.065 0.333
user/create user/login 0.065 0.308

Κανόνες για το Stereo
17

Σενάρια χρήσης LDA
18
Νο.
Σύνολο
δεδομένων
Αρχείο εισόδου
Φιλτράρισμα
λέξεων
1 Ολόκληρο Οντολογία τύπου «all» Όχι
2 Ολόκληρο Ολόκληρα τα Projects Όχι
3 Ολόκληρο Οντολογία τύπου «all» Ναι
4 Ολόκληρο Ολόκληρα τα Projects Ναι
5 Υποσύνολο Οντολογία τύπου «all» Όχι
6 Υποσύνολο Ολόκληρα τα Projects Όχι
7 Υποσύνολο Οντολογία τύπου «all» Ναι
8 Υποσύνολο Ολόκληρα τα Projects Ναι
access, account, add, be, change, create, delete,
edit, have, information, login, other, provide, search,
select, system, that, use, user, see, view, new,
update, datum, administrator, log, know, able, ability
Φιλτράρισμα Λέξεων
• Συχνότερη εμφάνιση στα δεδομένα
• Λέξεις που περιγράφουν την κοινή
λειτουργικότητα

Επιλογή καλύτερων σεναρίων χρήσης
• Υπολογισμός topic coherence για κάθε σενάριο για αριθμό θεμάτων από 2 μέχρι το μήκος
του συνόλου δεδομένων
• Εκπαίδευση των 10 καλύτερων μοντέλων για κάθε σενάριο
• Εισαγωγή του ημιτελούς project σε κάθε μοντέλο
• Απόφαση καλύτερων ομαδοποιήσεων
• Έστω ένα από τα δύο παρόμοια projects να έχει το ίδιο κυρίαρχο θέμα
• Μικρός άλλων projects με το ίδιο κυρίαρχο θέμα
19

Καλύτερα σενάρια χρήσης
• Σενάριο χρήσης 3, Αριθμός Θεμάτων: 10, 14
• Σενάριο χρήσης 4 , Αριθμός Θεμάτων: 5
• Σενάριο χρήσης 7 , Αριθμός Θεμάτων: 9, 11
• Σενάριο χρήσης 8 , Αριθμός Θεμάτων: 7, 10
20

Ενδεικτικά: Σενάριο χρήσης 7, αριθμός θεμάτων 9
21
• 14 projects στην ομάδα του Stereo
• Και οι 2 παρόμοιες εφαρμογές

Ιεραρχική ομαδοποίηση
• Ιεραρχική ομαδοποίηση για τα καλύτερα σενάρια χρήσης του LDA με αντιστοίχιση αριθμού θεμάτων σε
αριθμό clusters
• Ενδεικτικά: Σενάριο χρήσης 7, Αριθμός clusters 9
• 5 projects στην ομάδα του Stereo
• 1 παρόμοια εφαρμογή
22

23
05
01
Εισαγωγή
03

Συμπεράσματα
• Παραγωγή του πρώτου συνόλου δεδομένων λειτουργικών απαιτήσεων
• Αποδοτική εξαγωγή της οντολογίας από τις λειτουργικές απαιτήσεις παρά την απλή προσέγγιση με χρήση
εμπειρικών κανόνων
• Εύκολη δυνατότητα επαναχρησιμοποίησης
• Κανόνες συσχέτισης που υποδεικνύουν επιτυχημένα απούσα λειτουργικότητα
• Καλύτερα αποτελέσματα LDA για τα σενάρια χρήσης που πρότειναν την αφαίρεση της κοινής λειτουργικότητας
• Ιεραρχική ομαδοποίηση: αποδοτικές ομαδοποιήσεις για τα καλύτερα σενάρια χρήσης του LDA
24

25
05
01
Εισαγωγή
03

Μελλοντική εργασία
Χρήση αλγορίθμου Word2Vec αντί για
τον TF-IDF
Ενσωμάτωση συστήματος προτάσεων
στην πλατφόρμα UseReq
26

Ευχαριστώ πολύ για την προσοχή σας!
Ερωτήσεις;
27

Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τη βελτιστοποίηση των ϕάσεων ανάλυσης απαιτήσεων λογισµικού

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τη βελτιστοποίηση των ϕάσεων ανάλυσης απαιτήσεων λογισµικού

Similaire à Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τη βελτιστοποίηση των ϕάσεων ανάλυσης απαιτήσεων λογισµικού (20)

Plus de ISSEL

Plus de ISSEL (20)

Εφαρµογή τεχνικών µηχανικής µάθησης και ευφυούς διαχείρισης πληροφορίας για τη βελτιστοποίηση των ϕάσεων ανάλυσης απαιτήσεων λογισµικού

Notes de l'éditeur