深層学習による要求仕様自動分類手法の提案と評価

• Item type: Journal(1)
• 公開日: 2020-04-15
• タイトル: 深層学習による要求仕様自動分類手法の提案と評価
• タイトル / 言語: en
• タイトル: An Automatic Classification Method of Requirements Specifications Using Deep Neural Network
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ソフトウェア工学（特選論文）] 要求仕様，要求自動分類，深層学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00204235
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 東芝デジタルソリューションズ株式会社
• 著者所属: 東芝デジタルソリューションズ株式会社
• 著者所属(英): en
• 著者所属(英): TOSHIBA DIGITAL SOLUTIONS CORPORATION
• 著者所属(英): en
• 著者所属(英): TOSHIBA DIGITAL SOLUTIONS CORPORATION
• 著者名: 北川, 貴之; 長岡, 武志
• 著者名(英): Takayuki, Kitagawa; Takeshi, Nagaoka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 情報システムの要求定義においては，ステークホルダの要求を的確に把握することが重要である．このステークホルダの要求は，要求仕様として記述される．要求仕様の分析者は，要求仕様の性質を明らかにし，要求仕様に重複，矛盾，漏れがないことを確認するため，要求仕様の分類を行う．要求仕様の分類に関するノウハウは，経験豊富な分析者の暗黙知となっている場合が多いため，経験が少ない分析者では，要求仕様の分類に多大な時間を要したり，分類の結果に一貫性を欠くことがある．これまでに著者らは，非機能要求に着目し，要求仕様が非機能要求のどの種別に属するのかを深層学習を用いて自動分類する手法を試行した．本研究では，要求仕様の自動分類の範囲を機能要求と非機能要求の両方に拡張した深層学習による要求仕様の自動分類手法を提案する．提案手法の有効性を確認するため，提案手法に基づき作成した分類モデルの精度を評価する実験を行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In a requirements definition phase, stakeholder requirements, which are described in requirements specifications, need to be identified accurately. Requirements analysts classify requirements specifications to check if there are any duplications, contradictions, and omissions of requirements in the requirements specifications. However, since such a classification task depends on tacit knowledge of experienced requirements engineers, for inexperienced engineers, it may take much time to classify requirements specifications, and in some cases inconsistencies may occur. In our previous work, we tried an automatic classification of non - functional requirements using deep neural network. In this paper, we extend a scope of our previous approach to be able to handle functional requirements. In our experiments, we evaluate accuracy of our classification model based on our proposed method, and the results show its effectiveness.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 61, 号 4, p. 842-852, 発行日 2020-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764