論文の概要: Classification, Challenges, and Automated Approaches to Handle
Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature
Review
- arxiv url: http://arxiv.org/abs/2311.17483v2
- Date: Thu, 30 Nov 2023 14:34:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 11:22:04.807262
- Title: Classification, Challenges, and Automated Approaches to Handle
Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature
Review
- Title(参考訳): ml対応システムにおける非機能要件対応のための分類,課題,自動アプローチ--体系的文献レビュー
- Authors: Vincenzo De Martino, Fabio Palomba
- Abstract要約: 非機能要件は、機械学習の巨大なポテンシャルを脅かす。
本稿では,3つの重要な側面を対象とする体系的な文献レビューを提案する。
調査では、30の異なる非機能要件を特定し、6つの主要なクラスに分類できる。
さらなる研究が考慮すべき23以上のソフトウェアエンジニアリング課題のカタログを提供しています。
- 参考スコア(独自算出の注目度): 11.92906679868436
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning (ML) is nowadays so pervasive and diffused that virtually no
application can avoid its use. Nonetheless, its enormous potential is
constantly threatened by non-functional requirements, such as sustainability.
In particular, we noticed the lack of a comprehensive synthesis of the research
efforts done so far and how these may drive further research. In this paper, we
propose a systematic literature review targeting three key aspects such as (1)
the classification of the non-functional requirements investigated so far, (2)
the challenges to face when dealing with them, and (3) the automated approaches
proposed in literature to support practitioners when optimizing them in
practice. Through the combination of well-established guidelines for conducting
systematic literature reviews and additional search criteria, we survey a total
amount of 69 research articles. Our findings report that current research
identified 30 different non-functional requirements, which can be grouped into
six main classes. We also deliver a catalog of over 23 software engineering
challenges that further research should consider, besides an overview of the
automated approaches researchers proposed to support practitioners when
optimizing non-functional requirements of machine learning-enabled systems. We
conclude our work by distilling implications and a future outlook on the topic.
- Abstract(参考訳): 機械学習(ML)は今や広く普及しており、ほとんど誰もその使用を避けることができない。
それでもその巨大なポテンシャルは、持続可能性のような非機能要件によって常に脅かされている。
特に,これまでの研究成果の総合的な合成の欠如と,これらの研究がさらなる研究にどのように寄与するかに気付きました。
本稿では,(1)これまで検討されてきた非機能要件の分類,(2)それを扱う際に直面する課題,(3)実践者を支援するために文献に提案する自動化アプローチの3つの重要な側面を対象とする,体系的な文献レビューを提案する。
体系的な文献レビューを行うためのガイドラインと追加の検索基準を組み合わせることで,69の論文の総量を調査した。
以上の結果から,本研究は6つのクラスに分類できる30の異なる非機能要件を明らかにした。
また、さらに研究すべき23以上のソフトウェアエンジニアリングの課題のカタログを提供し、機械学習対応システムの非機能要件を最適化する際に、研究者が実践者を支援するために提案する自動アプローチの概要を提供する。
本研究の結論は, 含意を蒸留し, 今後の展望である。
関連論文リスト
- System for systematic literature review using multiple AI agents:
Concept and an empirical evaluation [5.194208843843004]
本稿では,システム文献レビューの実施プロセスの完全自動化を目的とした,新しいマルチAIエージェントモデルを提案する。
このモデルは、研究者がトピックを入力するユーザフレンドリーなインターフェースを介して動作する。
関連する学術論文を検索するために使用される検索文字列を生成する。
モデルはこれらの論文の要約を自律的に要約する。
論文 参考訳(メタデータ) (2024-03-13T10:27:52Z) - Investigating Reproducibility in Deep Learning-Based Software Fault
Prediction [16.25827159504845]
ますます複雑な機械学習モデルが急速に採用されるようになると、学者が文献で報告される結果を再現することがますます困難になる。
特に、適用されたディープラーニングモデルと評価方法論が適切に文書化されていない場合と、コードとデータが共有されていない場合である。
我々は,2019年から2022年にかけて,トップレベルのソフトウェアエンジニアリングカンファレンスにおいて,現在の文献を体系的にレビューし,56件の研究論文のレベルを検討した。
論文 参考訳(メタデータ) (2024-02-08T13:00:18Z) - A Systematic Literature Review on Explainability for Machine/Deep
Learning-based Software Engineering Research [23.966640472958105]
本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。
我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
論文 参考訳(メタデータ) (2024-01-26T03:20:40Z) - Resilience of Deep Learning applications: a systematic survey of
analysis and hardening techniques [3.6700486326641903]
このレビューは、2019年1月から2023年3月までに出版された163の科学論文に基づいている。
著者らは、研究の類似点と特異点を解釈し、強調するために分類フレームワークを採用している。
今後の研究の方向性に関する提言は、解決すべきオープンチャレンジの形で提案されている。
論文 参考訳(メタデータ) (2023-09-27T19:22:19Z) - Bias and Fairness in Large Language Models: A Survey [76.65471160523444]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - Large Language Models in the Workplace: A Case Study on Prompt
Engineering for Job Type Classification [58.720142291102135]
本研究では,実環境における職種分類の課題について検討する。
目標は、英語の求職が卒業生やエントリーレベルの地位に適切かどうかを判断することである。
論文 参考訳(メタデータ) (2023-03-13T14:09:53Z) - The Technological Emergence of AutoML: A Survey of Performant Software
and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。
このレビューは、このトピックに関する知識に2つの主要な貢献をしている。
オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文 参考訳(メタデータ) (2022-11-08T10:42:08Z) - Wizard of Search Engine: Access to Information Through Conversations
with Search Engines [58.53420685514819]
我々は3つの側面からCISの研究を促進するために努力している。
目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。
検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
論文 参考訳(メタデータ) (2021-05-18T06:35:36Z) - On the Social and Technical Challenges of Web Search Autosuggestion
Moderation [118.47867428272878]
自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。
現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。
問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
論文 参考訳(メタデータ) (2020-07-09T19:22:00Z) - Search-Based Software Engineering for Self-Adaptive Systems: Survey,
Disappointments, Suggestions and Opportunities [13.835366933089883]
自己適応システム(英: Self-Adaptive System、SAS)は、そのような複雑なシステムのカテゴリである。
本報告では,SASを対象としたSBSEに関する総合的な調査を初めて実施する。
論文 参考訳(メタデータ) (2020-01-22T19:10:41Z)
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。