哪种AI技术更适合对需求进行分类？基于SVM、LSTM与ChatGPT的实验
人工智能
2024-04-17 v2 软件工程
摘要
近年来，诸如ChatGPT之类的大语言模型（Large Language Model, LLM）在各种自然语言处理任务中展现出卓越能力。它们在需求工程尤其是需求分类中的应用日益受到关注。本文报告了对两个ChatGPT模型（具体为gpt-3.5-turbo与gpt-4）在零样本与少样本设置下用于需求分类的广泛实证评估。问题在于这些模型与传统分类方法（具体为支撑向量机（Support Vector Machine, SVM）与长短期记忆网络（Long Short-Term Memory, LSTM））相比表现如何。基于五个不同数据集，我们的结果表明，对于各类需求类别并不存在单一最优技术。有趣的是，少样本设置主要在零样本结果显著较低的场景中表现出益处。
引用
@article{arxiv.2311.11547,
title = {Which AI Technique Is Better to Classify Requirements? An Experiment with SVM, LSTM, and ChatGPT},
author = {Abdelkarim El-Hajjami and Nicolas Fafin and Camille Salinesi},
journal= {arXiv preprint arXiv:2311.11547},
year = {2024}
}