面向机器学习赋能系统规约的关注点目录
软件工程
2022-06-27 v2
摘要
机器学习（ML）的需求工程（RE）活动在文献中尚未得到充分确立与研究。在规约、设计和开发 ML 赋能系统时存在诸多问题与挑战。更加关注 ML 的 RE 有助于开发更可靠的 ML 赋能系统。基于先前工作与工业经验收集的洞见，我们提出一个包含 45 个关注点的目录，供规约 ML 赋能系统时考量，涵盖我们认定的此类系统相关的五个视角：目标、用户体验、基础设施、模型与数据。此类关注点的示例包括基础设施视角下的执行引擎与遥测，以及模型视角下的可解释性与可复现性。我们与八位具有 ML 赋能系统开发经验的软件从业者开展了焦点小组会议，以验证该目录的重要性、质量与可行性。反馈使我们改进了目录并确认了其实际相关性。本工作的主要研究贡献在于提供了一组经过验证、按视角分组的关注点，需求工程师可借此支持 ML 赋能系统的规约。
引用
@article{arxiv.2204.07662,
title = {A Catalogue of Concerns for Specifying Machine Learning-Enabled Systems},
author = {Hugo Villamizar and Marcos Kalinowski and Helio lopes},
journal= {arXiv preprint arXiv:2204.07662},
year = {2022}
}
备注
14 pages, 2 figures - Accepted for publication - WER 2022 (Workshop on Requirements Engineering)