Desarrollo de una herramienta para la detección y clasificación del grado de ambigüedad en requisitos de software mediante el uso de técnicas de inteligencia artificial
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
El presente trabajo de grado propone el uso de técnicas de aprendizaje supervisado y supervisión débil para realizar la clasificación en tres grados de ambigüedad (baja, moderada y alta), de requisitos de software redactados en lenguaje natural. El conjunto de datos preparado contiene 5.291 requisitos redactados en inglés, que son etiquetados de acuerdo a su ambigüedad sintáctica usando el analizador de link grammar. Se evalúa el desempeño de la clasificación con diferentes modelos de aprendiza je automático que incluyen random forest y redes neuronales convolucionales, entre otros. Los mejores resultados se obtienen con los modelos de redes neuronales recurrentes LSTM y GRU, con un F1-Score de 80 % en la clase ambigüedad baja, 62 % en la clase ambigüedad moderada y 75 % en la clase ambigüedad alta, y un accuracy entre 69 % y 71 % de clasificaciones correctas del grado de ambigüedad.