获取特征启发以进行特征抽取：应用商店 vs. 基于 LLM 的方法
软件工程
2024-09-26 v1 人工智能
摘要
在过去十年中，受应用商店启发的需求抽取已被证明是非常有益的。开发者经常探索竞争对手的应用以收集新特征的灵感。随着生成式 AI 的发展，最近的研究展示了受大语言模型（LLM）启发的需求抽取的潜力。LLM 可以通过为新特征想法提供灵感来协助这一过程。尽管这两种方法在实践中都越来越受欢迎，但人们对它们之间的差异缺乏了解。我们报告了一项关于基于应用商店和基于 LLM 的方法在将特征细化为子特征方面的比较研究。通过手动分析两种方法推荐的 1,200 个子特征，我们确定了它们的优势、挑战和关键差异。尽管两种方法都推荐了具有清晰描述且高度相关的子特征，但 LLM 似乎更强大，特别是在新颖的未见应用范围方面。此外，一些推荐的特征是虚构的，可行性不明确，这表明在抽取循环中人类分析师的重要性。
引用
@article{arxiv.2408.17404,
title = {Getting Inspiration for Feature Elicitation: App Store- vs. LLM-based Approach},
author = {Jialiang Wei and Anne-Lise Courbis and Thomas Lambolais and Binbin Xu and Pierre Louis Bernard and Gérard Dray and Walid Maalej},
journal= {arXiv preprint arXiv:2408.17404},
year = {2024}
}
备注
To Appear In Proceedings of 39th IEEE/ACM International Conference on Automated Software Engineering (ASE 2024)