PassionNet：面向重复和冲突需求识别的创新框架
软件工程
2024-12-03 v1 人工智能
摘要
早期检测和解决重复需求和冲突需求可显著提升项目效率和整体软件质量。研究人员已利用人工智能 (AI) 潜能开发出各种计算预测器来检测重复需求和冲突需求。然而，这些预测器在性能方面存在不足，需要更有效的方法来赋能软件开发流程。为满足能够准确识别重复需求和冲突需求的唯一预测器需求，本研究提供了一个综合框架，促进开发 3 种不同类型的预测管道：基于语言模型的管道、基于多模型相似性知识驱动的管道和大型语言模型 (LLM) 上下文 + 基于多模型相似性知识驱动的管道。在第一类管道格局中，该框架通过利用 8 种不同的 LLM 来实现冲突/重复需求识别。在第二类中，该框架支持开发利用多尺度和多模型相似性知识的预测管道，从传统相似性计算方法到由 LLM 生成的高级相似向量。在第三类中，框架通过整合 LLM 的上下文洞察与多模型相似性知识来合成预测管道。在 6 个公共基准数据集上进行的大规模测试表明，混合预测管道在准确识别重复需求和冲突需求方面持续优于另外两种管道类型。该预测管道以整体性能提升 13% 的 F1 分数超越了现有的领先预测器性能。
引用
@article{arxiv.2412.01657,
title = {PassionNet: An Innovative Framework for Duplicate and Conflicting Requirements Identification},
author = {Summra Saleem and Muhammad Nabeel Asim and Andreas Dengel},
journal= {arXiv preprint arXiv:2412.01657},
year = {2024}
}