Fugu-MT 論文翻訳(概要): Automated use case diagram generator using NLP and ML

論文の概要: Automated use case diagram generator using NLP and ML

arxiv url: http://arxiv.org/abs/2306.06962v1
Date: Mon, 12 Jun 2023 08:47:27 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 03:42:00.800457
Title: Automated use case diagram generator using NLP and ML
Title（参考訳）: NLPとMLを用いたユースケース図の自動作成
Authors: Rukshan Piyumadu Dias, C.S.L.Vidanapathirana, Rukshala Weerasinghe, Asitha Manupiya, R.M.S.J.Bandara, Y.P.H.W.Ranasinghe
Abstract要約: 本稿では,NLP と ML を用いてユーザストーリを解析し,ユースケース図を生成する手法を提案する。ケースダイアグラムはSDLCの設計フェーズにおいて重要な役割を果たす。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a novel approach to generate a use case diagram by analyzing the given user story using NLP and ML. Use case diagrams play a major role in the designing phase of the SDLC. This proves the fact that automating the use case diagram designing process would save a lot of time and effort. Numerous manual and semi-automated tools have been developed previously. This paper also discusses the need for use case diagrams and problems faced during designing that. This paper is an attempt to solve those issues by generating the use case diagram in a fully automatic manner.
Abstract（参考訳）: 本稿では,NLPとMLを用いてユーザストーリーを解析し,ユースケース図を生成する手法を提案する。ユースケース図は、sdlcの設計フェーズにおいて重要な役割を果たす。これは、ユースケース図設計プロセスを自動化すれば、多くの時間と労力が省けるという事実を証明します。これまで数多くの手動・半自動ツールが開発されてきた。本稿では,それを設計する際に直面するユースケース図や問題についても述べる。本稿は,ユースケース図を完全自動生成することで,これらの問題を解決する試みである。

関連論文リスト

Timeline-based Process Discovery [1.6303886532782983]
本稿では,時間軸に明示的に整合したプロセスモデルを自動的に構築する手法を提案する。 2つのBPICデータセットとプロプライエタリなデータセットを用いた評価では、標準的なレイアウト手法と比較して、この表現の利点が強調されている。
論文参考訳（メタデータ） (2023-12-21T23:00:45Z)
DiagrammerGPT: Generating Open-Domain, Open-Platform Diagrams via LLM Planning [62.51232333352754]
テキスト・ツー・イメージ(T2I)世代はここ数年で著しい成長を遂げている。それにもかかわらず、T2Iモデルでダイアグラムを生成する作業はほとんど行われていない。本稿では,新しい2段階のテキスト・ツー・ダイアグラム生成フレームワークであるDiagrammerGPTを紹介する。我々のフレームワークは、既存のT2Iモデルを上回る精度で、より正確なダイアグラムを生成する。
論文参考訳（メタデータ） (2023-10-18T17:37:10Z)
Representing Timed Automata and Timing Anomalies of Cyber-Physical Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文参考訳（メタデータ） (2023-08-25T15:25:57Z)
Tokenization Consistency Matters for Generative Models on Extractive NLP Tasks [54.306234256074255]
生成モデルの訓練において一般的に無視されるトークン化の不整合の問題を特定する。この問題は、入力と出力が無矛盾にトークン化されると、これらのタスクの抽出特性を損なう。一貫性のあるトークン化では、ドメイン内のデータセットとドメイン外のデータセットの両方で、モデルのパフォーマンスが向上することを示す。
論文参考訳（メタデータ） (2022-12-19T23:33:21Z)
Detecting Faults during Automatic Screwdriving: A Dataset and Use Case of Anomaly Detection for Automatic Screwdriving [80.6725125503521]
障害検出に機械学習(ML)を使用したデータ駆動型アプローチが最近注目されている。本稿では,自動スクリュー運転時の故障検出にMLモデルを用いた場合について述べる。
論文参考訳（メタデータ） (2021-07-05T11:46:00Z)
Automated Machine Learning on Graphs: A Survey [81.21692888288658]
本稿では,グラフ上の自動機械学習の体系的かつ包括的レビューを行う。グラフ機械学習のためのハイパーパラメータ最適化(HPO)とニューラルアーキテクチャ探索(NAS)に注目した。最後に、自動化グラフ機械学習の今後の研究方向に関する洞察を共有します。
論文参考訳（メタデータ） (2021-03-01T04:20:33Z)
Classification of Reverse-Engineered Class Diagram and Forward-Engineered Class Diagram using Machine Learning [0.0]
ソフトウェア業界では、どのタイプのクラス図なのかを知ることが重要です。特定のプロジェクトで使われたダイアグラムは、知っておくべき重要な要素なのでしょうか? 本稿では,教師付き機械学習技術を用いてこの問題を解決することを提案する。
論文参考訳（メタデータ） (2020-11-14T14:56:26Z)
IFC models for (semi)automating common planning checks for building permits [0.0]
IFCモデルから必要な情報を抽出して代表規則をチェックするツールが開発された。ケーススタディは、場所、規制、入力モデルに特化していますが、遭遇した問題のタイプは、自動コードコンプライアンスチェックの一般的な例です。
論文参考訳（メタデータ） (2020-11-03T15:29:47Z)
Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
論文参考訳（メタデータ） (2020-09-08T16:42:55Z)
Automated Diagram Generation to Build Understanding and Usability [0.0]
因果ループとストックおよびフロー図は、関係を整理し意味を伝えるのに役立つため、システムダイナミクスで広く使われている。本稿では,その情報を自動生成した因果ループ図で明確に示す方法について述べる。
論文参考訳（メタデータ） (2020-05-27T22:32:16Z)
Automated Content Grading Using Machine Learning [0.0]
本研究プロジェクトは,技術科の学生による試験で書かれた理論的回答の段階付けを自動化するための原始的な実験である。本稿では,機械学習におけるアルゴリズム的アプローチを用いて,試験回答論文の理論的内容を自動的に検証し,評価する方法について述べる。
論文参考訳（メタデータ） (2020-04-08T23:46:24Z)

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。