离岸软件维护外包中使用监督学习预测客户提案
软件工程
2021-03-03 v1 机器学习
摘要
在软件工程中，软件维护是在交付客户后对软件产品进行修正、更新与改进的过程。通过离岸软件维护外包（OSMO），客户可获得降低成本、节省时间与提高质量等优势。在大多数情况下，OSMO 供应商产生可观收入。然而，在多个客户中选取合适提案是 OSMO 供应商的关键问题之一。本文旨在提出一种有效的机器学习技术，供 OSMO 供应商用于评估或预测 OSMO 客户提案。数据集通过对一个发展中国家内工作的 OSMO 供应商的调查生成。结果显示，基于监督学习的分类器如 Naïve Bayesian、SMO、Logistics 分别取得了 69.75%、81.81% 和 87.27% 的测试准确率。本研究得出结论，监督学习是最适合预测 OSMO 客户提案的技术。
引用
@article{arxiv.2103.01223,
title = {Offshore Software Maintenance Outsourcing Predicting Clients Proposal using Supervised Learning},
author = {Atif Ikram and Masita Abdul Jalil and Amir Bin Ngah and Ahmad Salman Khan and Tahir Iqbal},
journal= {arXiv preprint arXiv:2103.01223},
year = {2021}
}
备注
10 pages, 2 figures