Biblioteca93.141 documentos en línea

Artículo

A Systematic Literature Review on Using Machine Learning Algorithms for Software Requirements Identification on Stack OverflowRevisión sistemática de la literatura sobre el uso de algoritmos de aprendizaje automático para la identificación de requisitos de software en Stack Overflow

Resumen

. Las mejoras realizadas en las dos ltimas dcadas en los procesos y mtodos de ingeniera de requisitos (IR) han sido testigos de un rpido aumento en el uso eficaz de diversas tcnicas de aprendizaje automtico (AM) para resolver varios problemas multifacticos de IR. Uno de estos retos es la identificacin y clasificacin eficaz de los requisitos de software en Stack Overflow (SO) para crear sistemas de calidad. La idoneidad de las tcnicas basadas en ML para abordar esta cuestin ha revelado resultados bastante sustanciales, mucho ms eficaces que los producidos por las tcnicas habituales de procesamiento del lenguaje natural (PLN) disponibles. No obstante, la comprensin completa, sistemtica y detallada de estas tcnicas basadas en ML es considerablemente escasa. . Identificar o reconocer y clasificar los tipos de algoritmos de ML utilizados para la identificacin de requisitos de software principalmente en SO. . Este artculo presenta una revisin sistemtica de la literatura (SLR) que recopila evidencia emprica publicada hasta mayo de 2020. . Este estudio SLR encontr 2.484 artculos publicados relacionados con RE y SO. El proceso de extraccin de datos de la SLR mostr que (1) el modelado temtico Latent Dirichlet Allocation (LDA) se encuentra entre los algoritmos de ML ms utilizados en los estudios seleccionados y (2) la precisin y la recuperacin se encuentran entre los mtodos de evaluacin ms utilizados para medir el rendimiento de estos algoritmos de ML. . Nuestro estudio SLR revel que, aunque los algoritmos de ML tienen una capacidad fenomenal para identificar los requisitos de software en la SO, siguen enfrentndose a varios problemas/cuestiones abiertos que acabarn limitando sus aplicaciones prcticas y su rendimiento. Nuestro estudio SLR reclama la necesidad de una estrecha colaboracin entre las comunidades/investigadores de RE y ML para tratar los problemas abiertos que se plantean en el desarrollo de algunos sistemas de calidad basados en el aprendizaje automtico en el mundo real.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento