論文の概要: Enhancing User-Feedback Driven Requirements Prioritization
- arxiv url: http://arxiv.org/abs/2603.28677v1
- Date: Mon, 30 Mar 2026 16:58:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.52545
- Title: Enhancing User-Feedback Driven Requirements Prioritization
- Title（参考訳）: ユーザフィードバック駆動要求の優先順位付けを促進する
- Authors: Aurek Chattopadhyay, Nan Niu, Hui Liu, Jianzhang Zhang,
- Abstract要約: 要件を独立したエンティティとして扱うことから相互接続へと優先順位付けの焦点を移すことで、ReFeedを強化します。
モバイルアプリストアからのユーザフィードバックを活用して、要求をトポロジ的に一貫性のあるクラスタにグループ化します。
このような相互接続性は、候補条件における追加の「要求」関係を自動生成するのに役立つ。
- 参考スコア（独自算出の注目度）: 6.358665215744634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: Requirements prioritization is a challenging problem that is aimed to deliver the most suitable subset from a pool of candidate requirements. The problem is NP-hard when formulated as an optimization problem. Feedback from end users can offer valuable support for software evolution, and ReFeed represents a state-of-the-art in automatically inferring a requirement's priority via quantifiable properties of the feedback messages associated with a candidate requirement. Objectives: In this paper, we enhance ReFeed by shifting the focus of prioritization from treating requirements as independent entities toward interconnecting them. Additionally, we explore if interconnecting requirements provides additional value for search-based solutions. Methods: We leverage user feedback from mobile app store to group requirements into topically coherent clusters. Such interconnectedness, in turn, helps to auto-generate additional "requires" relations in candidate requirements. These "requires" pairs are then integrated into a search-based software engineering solution. Results: The experiments on 94 requirements prioritization instances from four real-world software applications show that our enhancement outperforms ReFeed. In addition, we illustrate how incorporating interconnectedness among requirements improves search-based solutions. Conclusion: Our findings show that requirements interconnectedness improves user feedback driven requirements prioritization, helps uncover additional "requires" relations in candidate requirements, and also strengthens search-based release planning.
- Abstract（参考訳）: コンテキスト: 要件の優先順位付けは、候補となる要件のプールから最も適切なサブセットを提供することを目的とした、難しい問題です。
最適化問題として定式化された場合、問題はNPハードである。
エンドユーザからのフィードバックは、ソフトウェアの進化に対する貴重なサポートを提供することができ、ReFeedは、候補要件に関連するフィードバックメッセージの定量化プロパティを通じて、要件の優先順位を自動的に推測する最先端の表現である。
目的:本稿では、要求を独立したエンティティとして扱うことから相互接続へと優先順位付けの焦点を移すことにより、ReFeedを強化します。
さらに、相互接続要求が検索ベースのソリューションに付加価値をもたらすかどうかについても検討する。
メソッド: モバイルアプリストアからのユーザフィードバックを活用して,要件をトポロジ的に一貫性のあるクラスタにグループ化する。
このような相互接続性は、候補条件における追加の「要求」関係を自動生成するのに役立つ。
これらの"要求"ペアは、その後、検索ベースのソフトウェアエンジニアリングソリューションに統合される。
結果: 実世界の4つのソフトウェアアプリケーションから94の要件優先順位付けインスタンスを実験した結果,ReFeedよりも向上していることがわかった。
さらに,要求間の相互接続性の導入が検索ベースソリューションをどのように改善するかを述べる。
結論: 要件相互接続性は,ユーザのフィードバックによる要件優先順位付けを向上し,候補要件の新たな"要求"関係を明らかにするとともに,検索ベースのリリース計画を強化する。
関連論文リスト
- Aligning Large Language Models with Searcher Preferences [26.974618053554394]
オープンな生成検索のための最初の大規模言語モデル(LLM)であるSearchLLMを紹介する。
ボトムライン制約を分離する階層型多次元報酬システムの設計を行う。
オフライン評価とオンラインA/Bテストでは、生成品質とユーザエンゲージメントが改善されている。
論文 参考訳（メタデータ） (2026-03-11T06:44:30Z) - Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。
提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
論文 参考訳（メタデータ） (2025-10-19T16:46:11Z) - Personalized Reasoning: Just-In-Time Personalization and Why LLMs Fail At It [81.50711040539566]
現在の大規模言語モデル(LLM)開発は、タスク解決と優先順位調整を別の課題として扱う。
静的ベンチマークを対話型パーソナライズタスクに変換する評価手法であるPreFDISCOを紹介する。
我々のフレームワークは、ユーザコンテキストに応じて、同じ質問が異なる推論チェーンを必要とするシナリオを作成します。
論文 参考訳（メタデータ） (2025-09-30T18:55:28Z) - Do Retrieval-Augmented Language Models Adapt to Varying User Needs? [28.729041459278587]
本稿では,3つのユーザニーズ条件下でALMを体系的に評価する新しい評価フレームワークを提案する。
ユーザインストラクションと検索された情報の性質の両方を変えることで、我々のアプローチは現実世界のアプリケーションの複雑さを捉えます。
本研究は,検索システム開発におけるユーザ中心評価の必要性を浮き彫りにするものである。
論文 参考訳（メタデータ） (2025-02-27T05:39:38Z) - IDEAL: Leveraging Infinite and Dynamic Characterizations of Large Language Models for Query-focused Summarization [59.06663981902496]
クエリ中心の要約(QFS)は、特定の関心事に答え、より優れたユーザ制御とパーソナライゼーションを可能にする要約を作成することを目的としている。
本稿では,LLMを用いたQFSモデル,Longthy Document Summarization,およびクエリ-LLMアライメントの2つの重要な特徴について検討する。
これらのイノベーションは、QFS技術分野における幅広い応用とアクセシビリティの道を開いた。
論文 参考訳（メタデータ） (2024-07-15T07:14:56Z) - Assisted Requirements Selection by Clustering [0.0]
ビジネス利益と投資のバランスが必要とされるため、多くの研究成果に焦点が当てられた複雑なマルチ基準決定プロセスである。
本研究は,要求選択のための定性的MoSCoW法とクラスタ分析の組み合わせについて検討する。
論文 参考訳（メタデータ） (2024-01-23T10:33:44Z) - Improving Software Requirements Prioritization through the Lens of
Constraint Solving [0.0]
本稿では, ペアワイズ比較と制約解法を併用した, 要求優先化のための対話的手法を提案する。
提案手法は, 実際の医療プロジェクトから要求された要件を用いて評価する。
論文 参考訳（メタデータ） (2023-06-21T17:24:24Z) - High Quality Related Search Query Suggestions using Deep Reinforcement
Learning [0.15229257192293202]
The High Quality Related Search Query Suggestions” タスクは,リアルタイムで正確で,多様な,関連性の高い検索クエリを推奨することを目的としている。
私たちは、ユーザが次に入力するクエリを予測するために、Deep Reinforcement Learningモデルをトレーニングします。
報酬信号は、長期セッションベースのユーザフィードバック、構文的関連性、および生成されたクエリの自然性から成り立っている。
論文 参考訳（メタデータ） (2021-08-10T05:22:32Z) - AI Techniques for Software Requirements Prioritization [91.3755431537592]
本稿では,要求優先プロセスの全体的な品質向上に役立つ人工知能(AI)技術に基づく優先順位付け手法を提案する。
論文 参考訳（メタデータ） (2021-08-02T12:43:00Z) - Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。
アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。
当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
論文 参考訳（メタデータ） (2020-12-09T17:56:22Z)
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。