Der Artikel präsentiert ein mathematisches Modell zur Bewertung und Priorisierung der Testbarkeit von Anforderungen in natürlicher Sprache basierend auf einer umfangreichen Reihe von neun Anforderungsgerüchen, die automatisch erkannt werden, sowie dem Aufwand für Akzeptanztests, der durch die Länge der Anforderung und deren Anwendungsdomäne bestimmt wird.
Die meisten Gerüche stammen von unzählbaren Adjektiven, kontextabhängigen und mehrdeutigen Wörtern. Ein umfassendes Wörterbuch ist erforderlich, um solche Wörter zu erkennen. Es wird eine neuronale Word2Vec-Technik verwendet, um ein solches Wörterbuch automatisch zu erstellen.
Mit Hilfe des Wörterbuchs konnten erstmals in 10 Anwendungsdomänen automatisch Polysemie-Gerüche (domänenspezifische Mehrdeutigkeit) erkannt werden. Die empirische Studie zu fast 1000 Softwareanforderungen aus sechs bekannten Industrie- und Forschungsprojekten zeigt, dass der vorgeschlagene Ansatz zur Geruchserkennung den Zustand der Technik (Smella-Tool) in der Erkennung von Anforderungsgerüchen übertrifft.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Morteza Zake... às arxiv.org 03-27-2024
https://arxiv.org/pdf/2403.17479.pdfPerguntas Mais Profundas