تتبع العلاقة بين متطلبات الاعمال البرمجية والمصنوعات الاخرى باستخدام معالجة اللغات الطبيعية

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

تعد روابط التتبع بين المتطلبات والرموز البرمجية أمرا ضروريا لصيانة البرامج وتطورها والامتثال للمتطلبات. تمكن هذه الروابط المطورين من فهم العلاقات بين مكونات النظام، مما يسهل التحديثات وتصحيح الأخطاء وضمان تلبية البرنامج لجميع المتطلبات. الطرق التقليدية لإنشاء هذه الروابط غالبًا ما تكون يدوية، مستهلكة للوقت، وعرضة للأخطاء. لحل هذه المشكلة، نقترح مقاربة جديدة تهدف إلى أتمتة عملية التتبع. نستخدم تقنيات معالجة اللغة الطبيعية المتقدمة (NLP)، مثل نماذج Word2Vec وBERT وCodeBERT، جنبًا إلى جنب مع خوارزميات التعلم الآلي (ML). يمكن لهذه النماذج فهم السياق الدلالي للنص، مما يجعلها مناسبة لتحديد الروابط ذات المعنى. في هذا البحث: أ) نستكشف دور نماذج التضمين في التتبع، ب) نوضح فعالية هذه المقاربة في تحسين الدقة والكفاءة مقارنة بالطرق التقليدية. تهدف دراستنا إلى إنشاء روابط تتبع بين حالات الاستخدام والرمز، واقتراح إطار عمل ليس فقط لأتمتة عملية التتبع، بل لتعزيز دقتها وكفاءتها. من خلال التجارب والتحليل الدقيق، أظهرت نتائجنا فعالية هذا النهج في تحسين الدقة (Precision, P) والاسترجاع (Recall, R) بشكل كبير مقارنة بالطرق التقليدية. تم الحصول على أفضل نتيجة باستخدام خوارزمية التصنيف SVM مع التمثيل باستخدام CodeBERT: P: 84.6، R: 83.1، F1: 82.9.

روابط وملفات

التعريف والنوع

رقم الوثيقة

fe58bd9a-854e-4af0-91e6-8c1195a496a9

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

840935_1.pdf

بيانات النشر

ترجمة العنوان

Tracking the relationship between software requirements and other artifacts using NLP

ألقاب المؤلفين

[{"name_ar":"غيداء ربداوي","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"فداء عماد خليل","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"ندى غنيم","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

Arabic

المصدر والدورية

اسم المصدر

تتبع العلاقة بين متطلبات الاعمال البرمجية والمصنوعات الاخرى باستخدام معالجة اللغات الطبيعية

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Traceability links between use cases and code are crucial for software maintenance, evolution, and compliance with requirements. These links enable developers to understand the relationships between system components, facilitating easier updates, debugging, and ensuring that the software meets all specified requirements. Traditional methods of establishing these traceability links are often manual, time-consuming, and error-prone. To address this issue, we propose a new approach aimed at automating the traceability process. We use advanced Natural Language Processing (NLP) techniques, specifically Word2Vec, BERT, and CodeBERT models, along with Machine Learning (ML) algorithms. These NLP models can understand the semantic context of text, making them suitable for identifying meaningful connections. In this paper: (i) we explore the role of embedding models in traceability, (ii) we demonstrate the effectiveness of this approach in improving accuracy and efficiency compared to traditional methods. Our study aims to create trace links between use cases and code, proposing a framework not only to automate the traceability process but also to enhance its accuracy and efficiency. Through rigorous experimentation and analysis, our results demonstrate the effectiveness of this approach in significantly improving Precision (P) and Recall (R) compared to traditional methods. The best result was obtained using the SVM classification algorithm with CodeBERT embedding: P: 84.6, R: 83.1, F1: 82.9.

كلمات الباحثين

روابط التتبع، المتطلبات، الرموز البرمجية، معالجة اللغة الطبيعية، التعلم الآلي، Word2Vec، BERT، CodeBERT، دقة، استرجاع، تصنيف SVM

إشراف وإعداد

الإشراف

غيداء ربداوي, ندى غنيم

الإعداد

فداء عماد خليل

الاقتباسات الببليوغرافية