論文の概要: Common Sense Knowledge, Ontology and Text Mining for Implicit Requirements

• arxiv url: http://arxiv.org/abs/2103.11302v1
• Date: Sun, 21 Mar 2021 04:32:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-25 08:23:57.546431
• Title: Common Sense Knowledge, Ontology and Text Mining for Implicit Requirements
• Title（参考訳）: 暗黙的要求に対する常識知識・オントロジー・テキストマイニング
• Authors: Onyeka Emebo, Aparna S. Varde, Olawande Daramola
• Abstract要約: IMPlicit Requirements (IMRs) は、要求収集の際には要求されないがシステムが満たされることを前提としている。 研究によると、ソフトウェアシステムの失敗の主な要因は、未処理のimrの存在である。 本論文では, IMR のソースを特定し, IMR を管理するための自動支援ツールを提案する。
• 参考スコア（独自算出の注目度）: 2.568476596998726
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The ability of a system to meet its requirements is a strong determinant of success. Thus effective requirements specification is crucial. Explicit Requirements are well-defined needs for a system to execute. IMplicit Requirements (IMRs) are assumed needs that a system is expected to fulfill though not elicited during requirements gathering. Studies have shown that a major factor in the failure of software systems is the presence of unhandled IMRs. Since relevance of IMRs is important for efficient system functionality, there are methods developed to aid the identification and management of IMRs. In this paper, we emphasize that Common Sense Knowledge, in the field of Knowledge Representation in AI, would be useful to automatically identify and manage IMRs. This paper is aimed at identifying the sources of IMRs and also proposing an automated support tool for managing IMRs within an organizational context. Since this is found to be a present gap in practice, our work makes a contribution here. We propose a novel approach for identifying and managing IMRs based on combining three core technologies: common sense knowledge, text mining and ontology. We claim that discovery and handling of unknown and non-elicited requirements would reduce risks and costs in software development.
• Abstract（参考訳）: システムの要求を満たす能力は、成功の強力な決定要因である。 したがって、効果的な要求仕様は不可欠である。 明示的な要求は、システムが実行するための明確に定義されたニーズである。 IMPlicit Requirements (IMRs) は、要求収集中に要求されることなくシステムが満たされることを前提としている。 研究によると、ソフトウェアシステムの失敗の主な要因は、未処理のimrの存在である。 IMRの関連性は効率的なシステム機能にとって重要であるため、IMRの識別と管理を支援する手法が開発されている。 本稿では,aiにおける知識表現の分野における常識知識が,imrの自動識別と管理に有用であることを強調する。 本稿では,imrの発生源を特定し,組織的コンテキスト内でimrを管理するための自動支援ツールを提案する。 これは実践上のギャップであることがわかったので、我々の研究はここで貢献します。 本稿では, 常識知識, テキストマイニング, オントロジーという3つのコア技術を組み合わせて, IMRの識別と管理を行う新しい手法を提案する。 未知の要件や非必要条件の発見とハンドリングは、ソフトウェア開発におけるリスクとコストを低減します。

関連論文リスト

• CRMArena: Understanding the Capacity of LLM Agents to Perform Professional CRM Tasks in Realistic Environments [90.29937153770835]
  CRMArenaは、プロフェッショナルな作業環境に根ざした現実的なタスクにおいて、AIエージェントを評価するために設計されたベンチマークである。 現状のLDMエージェントはReActプロンプトのタスクの40%以下で成功し,機能呼び出し能力でも55%以下であった。 この結果から,実環境に展開する関数呼び出しやルールフォローにおいて,エージェント機能の向上の必要性が示唆された。
  論文  参考訳（メタデータ） (2024-11-04T17:30:51Z)
• Teaching Requirements Engineering for AI: A Goal-Oriented Approach in Software Engineering Courses [4.273966905160028]
  AIベースのシステムに高品質な要件を規定する能力を持つソフトウェアエンジニアを準備することが重要です。 本研究の目的は,Goal-Oriented Requirements Engineering(GORE)の有効性と適用性を評価することである。
  論文  参考訳（メタデータ） (2024-10-26T23:44:01Z)
• A Methodology for Evaluating RAG Systems: A Case Study On Configuration Dependency Validation [6.544757635738911]
  Retrieval-augmented Generation(RAG)は、異なるコンポーネント、設計決定、ドメイン固有の適応の傘である。 現在、RAG評価の方法論は一般に受け入れられていないが、この技術への関心は高まりつつある。 本稿では,RAGシステムの健全かつ信頼性の高い評価手法の最初の青写真を提案する。
  論文  参考訳（メタデータ） (2024-10-11T13:36:13Z)
• VERA: Validation and Evaluation of Retrieval-Augmented Systems [5.709401805125129]
  VERAは、大規模言語モデル(LLM)からの出力の透明性と信頼性を高めるために設計されたフレームワークである。 VERAが意思決定プロセスを強化し、AIアプリケーションへの信頼を高める方法を示す。
  論文  参考訳（メタデータ） (2024-08-16T21:59:59Z)
• Advancing Requirements Engineering through Generative AI: Assessing the Role of LLMs [10.241642683713467]
  大規模言語モデル(LLM)は、自然言語処理、コード生成、プログラム理解など、さまざまな領域において大きな可能性を示している。 本章では、要件関連タスクの効率性と正確性の向上を目的とした、要件エンジニアリングプロセスの駆動におけるLLMの可能性について論じる。
  論文  参考訳（メタデータ） (2023-10-21T11:29:31Z)
• Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
  本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。 まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。 第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。 第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
  論文  参考訳（メタデータ） (2023-10-09T11:45:59Z)
• A New Perspective on Evaluation Methods for Explainable Artificial Intelligence (XAI) [0.0]
  我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。 この研究は、AIのための要求工学の分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2023-07-26T15:15:44Z)
• How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
  大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。 我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
  論文  参考訳（メタデータ） (2023-06-09T11:31:50Z)
• Hierarchies of Reward Machines [75.55324974788475]
  リワードマシン(Reward Machine, RM)は、有限状態機械による強化学習タスクの報酬関数を表現するための最近の形式である。 本稿では,RMを他のRMを呼ばせることによって,サブタスク構造をさらに抽象化する形式的手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T12:39:24Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。