基于文本级图神经网络的用户故事点工作量估算
软件工程
2022-03-15 v2 人工智能
摘要
估算由敏捷方法开发的软件项目的工作量对项目管理者或技术负责人十分重要。它提供了一个概览，作为完成所需任务所需工时与开发人员数量的初步参考。已有关于自动预测软件工作量的研究工作，包括将词频-逆文档频率（TFIDF）作为该问题的传统方法。图神经网络是一种已应用于自然语言处理中文本分类的新方法。图神经网络的优势在于能够通过图数据结构学习信息，与将词序列向量化的方法相比，其具有更多表示形式，例如词之间的关系。在本文中，我们展示了图神经网络文本分类在故事点级别估算中的潜力与可能挑战。通过实验，我们表明 GNN 文本级分类在故事点级别分类上可达到约 80% 的准确率，与传统方法相当。我们还分析了 GNN 方法，并指出该方法和软件工程其他问题中可改进的若干当前缺陷。
引用
@article{arxiv.2203.03062,
title = {Story Point Effort Estimation by Text Level Graph Neural Network},
author = {Hung Phan and Ali Jannesari},
journal= {arXiv preprint arXiv:2203.03062},
year = {2022}
}
备注
accepted at The 1st International Workshop on Natural Language-based Software Engineering (to appear)