一种用于软件需求层次分类的机器学习方法
软件工程
2023-02-27 v1 机器学习
摘要
背景：将软件需求分类至不同类别是需求工程（RE）中一项至关重要的任务。自2000年代以来，开发用于需求分类的机器学习（ML）方法在RE领域引起了极大兴趣。目标：本文旨在解决两个困扰ML方法实际应用的关联问题：类不平衡问题以及高维小样本数据（HDLSS）问题。这些问题会严重降低ML方法的分类性能。方法：本文提出HC4RC，一种用于需求多类分类的新颖ML方法。HC4RC通过基于语义角色的特征选择、数据集分解和层次分类来解决上述问题。我们通过实验将HC4RC与三种密切相关的方法进行比较——其中两种基于传统统计分类模型，另一种使用先进的深度学习模型。结果：我们的实验表明：1）类不平衡与HDLSS问题对传统和先进ML方法均构成挑战。2）HC4RC方法使用简单，且相较于同类方法能有效解决类不平衡与HDLSS问题。结论：本文为解决软件需求多类分类中的类不平衡与HDLSS问题作出了重要的实际贡献。
引用
@article{arxiv.2302.12599,
title = {A Machine Learning Approach for Hierarchical Classification of Software Requirements},
author = {Manal Binkhonain and Liping Zhao},
journal= {arXiv preprint arXiv:2302.12599},
year = {2023}
}
备注
36 pages, 3 tables, 4 figures