論文の概要: PassionNet: An Innovative Framework for Duplicate and Conflicting Requirements Identification

• arxiv url: http://arxiv.org/abs/2412.01657v1
• Date: Mon, 02 Dec 2024 16:05:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:51:02.278680
• Title: PassionNet: An Innovative Framework for Duplicate and Conflicting Requirements Identification
• Title（参考訳）: PassionNet: 要件識別の重複と競合のための革新的フレームワーク
• Authors: Summra Saleem, Muhammad Nabeel Asim, Andreas Dengel,
• Abstract要約: 重複と矛盾する要件の早期検出と解決は、プロジェクトの効率性と全体的なソフトウェア品質を大幅に向上させる。 研究者は、重複や矛盾する要求を検出するために人工知能(AI)の可能性を活用することで、様々な計算予測器を開発した。 この研究は、3種類の予測パイプラインの開発を容易にする包括的なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 5.463986763897077
• License:
• Abstract: Early detection and resolution of duplicate and conflicting requirements can significantly enhance project efficiency and overall software quality. Researchers have developed various computational predictors by leveraging Artificial Intelligence (AI) potential to detect duplicate and conflicting requirements. However, these predictors lack in performance and requires more effective approaches to empower software development processes. Following the need of a unique predictor that can accurately identify duplicate and conflicting requirements, this research offers a comprehensive framework that facilitate development of 3 different types of predictive pipelines: language models based, multi-model similarity knowledge-driven and large language models (LLMs) context + multi-model similarity knowledge-driven. Within first type predictive pipelines landscape, framework facilitates conflicting/duplicate requirements identification by leveraging 8 distinct types of LLMs. In second type, framework supports development of predictive pipelines that leverage multi-scale and multi-model similarity knowledge, ranging from traditional similarity computation methods to advanced similarity vectors generated by LLMs. In the third type, the framework synthesizes predictive pipelines by integrating contextual insights from LLMs with multi-model similarity knowledge. Across 6 public benchmark datasets, extensive testing of 760 distinct predictive pipelines demonstrates that hybrid predictive pipelines consistently outperforms other two types predictive pipelines in accurately identifying duplicate and conflicting requirements. This predictive pipeline outperformed existing state-of-the-art predictors performance with an overall performance margin of 13% in terms of F1-score
• Abstract（参考訳）: 重複と矛盾する要件の早期検出と解決は、プロジェクトの効率性と全体的なソフトウェア品質を大幅に向上させる。 研究者は、重複や矛盾する要求を検出するために人工知能(AI)の可能性を活用することで、様々な計算予測器を開発した。 しかし、これらの予測器は性能に欠けており、ソフトウェア開発プロセスを強化するためにより効果的なアプローチを必要とします。 重複および矛盾する要求を正確に識別できるユニークな予測器の必要性に続き,本研究では,言語モデルベース,多モデル類似性知識駆動型,大規模言語モデル(LLM)コンテキスト+多モデル類似性知識駆動型という,3種類の予測パイプラインの開発を促進する包括的なフレームワークを提供する。 最初の型予測パイプラインの展望の中で、フレームワークは8つの異なるタイプのLLMを活用することで、要求の矛盾と重複の識別を容易にする。 第2のタイプでは、フレームワークは、従来の類似性計算方法からLLMによって生成される高度な類似性ベクトルまで、マルチスケールおよびマルチモデル類似性知識を活用する予測パイプラインの開発をサポートする。 第3のタイプでは、LLMからの文脈的洞察とマルチモデル類似性知識を統合することにより、予測パイプラインを合成する。 6つの公開ベンチマークデータセット全体で、760の異なる予測パイプラインの広範なテストは、ハイブリッド予測パイプラインが、重複と矛盾する要件を正確に識別するために、他の2つのタイプの予測パイプラインを一貫して上回っていることを示している。 この予測パイプラインは、F1スコアで全体のパフォーマンスマージンが13%の既存の最先端予測器のパフォーマンスを上回った

関連論文リスト

• Bidirectional Awareness Induction in Autoregressive Seq2Seq Models [47.82947878753809]
  双方向認識誘導(BAI)は、ネットワーク内の要素のサブセットであるPivotsを利用して、自己回帰的制約を破ることなく双方向学習を行う訓練手法である。 特に,イメージキャプションでは2.4CIDEr,ニューラルマシン翻訳では4.96BLEU,テキスト要約では1.16ROUGEの増加が確認された。
  論文  参考訳（メタデータ） (2024-08-25T23:46:35Z)
• Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
  文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。 CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。 CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
  論文  参考訳（メタデータ） (2024-02-05T03:25:04Z)
• RGM: A Robust Generalizable Matching Model [49.60975442871967]
  RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。 合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。 さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-10-18T07:30:08Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• An Empirical Study of Multimodal Model Merging [148.48412442848795]
  モデルマージは、異なるタスクでトレーニングされた複数のモデルを融合してマルチタスクソリューションを生成するテクニックである。 我々は、モダリティ固有のアーキテクチャのビジョン、言語、およびクロスモーダルトランスフォーマーをマージできる新しい目標に向けて研究を行っている。 本稿では,重み間の距離を推定し,マージ結果の指標となる2つの指標を提案する。
  論文  参考訳（メタデータ） (2023-04-28T15:43:21Z)
• PAMI: partition input and aggregate outputs for model interpretation [69.42924964776766]
  本研究では、深層学習モデルが局所的な特徴を集約してモデル予測を行うという観察に基づいて、PAMIと呼ばれるシンプルで効果的な可視化フレームワークを提案する。 基本的な考え方は、入力の大多数を隠蔽し、元のモデル予測に対する保存された入力部の相対的な寄与として対応するモデル出力を使用することである。 複数のタスクに対する大規模な実験により,提案手法は,クラス固有の入力領域をより正確に見つけるために,既存の可視化手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2023-02-07T08:48:34Z)
• Transfer learning for conflict and duplicate detection in software requirement pairs [0.5359378066251386]
  ソフトウェアプロジェクトの成功には、ソフトウェア要件の一貫性と全体的な表現が重要です。 本研究では,ソフトウェア要件仕様の矛盾や重複を自動的に識別することで,ソフトウェア開発プロセスの効率を向上させることを目的とする。 コンフリクトと重複識別タスクのために,Sentence-BERTとBiエンコーダを組み込んだ新しいトランスフォーマーアーキテクチャSR-BERTを設計する。
  論文  参考訳（メタデータ） (2023-01-09T22:47:12Z)
• Don't Be So Sure! Boosting ASR Decoding via Confidence Relaxation [7.056222499095849]
  ビームサーチは 予測分布を用いて 最大限の確率で 書き起こしを求める 最近提案された自己監督学習(SSL)ベースのASRモデルは、極めて確実な予測をもたらす傾向があることを示す。 細調整されたASRモデルの性能を向上させる復号法を提案する。
  論文  参考訳（メタデータ） (2022-12-27T06:42:26Z)
• Learning High-Order Interactions via Targeted Pattern Search [0.6198237241838558]
  ターゲットパターン探索(LIPS)による高次インタラクションの学習という新しいアルゴリズムを提案する。 LIPSは、ロジスティック回帰モデルに含まれる様々な順序の相互作用項を選択する。 実際の研究シナリオに広く適用できることを証明し、ベンチマークの最先端のアルゴリズムを上回っていることを示しています。
  論文  参考訳（メタデータ） (2021-02-23T11:13:22Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Two-stage short-term wind power forecasting algorithm using different feature-learning models [8.41684803105392]
  風力予測分野において,2段階のアンサンブルに基づく予測手法が広く研究されている。 深層学習に基づく風力予測研究は2つの側面を研究していない。 最初の段階では、複数の入力と複数の出力を考慮した異なる学習構造が議論されていない。 第2段階では,モデル外挿問題については検討されていない。
  論文  参考訳（メタデータ） (2020-05-31T02:13:00Z)

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。