10263

ارائه رويكرد رد پذيري نيازمندي ها با استفاده از هوش مصنوعي مولد

كارشناسي

مهندسي كامپيوتر

1404

دكتر مهرداد آشتياني

1404/11/27

كامپيوتر

A Generative Artificial Intelligence-Based Approach for Requirements-to-Code Traceability

نگاشت صحيح بين نيازمندي‌هاي نرم افزاري و اجزاي پياده سازي شده‌ي سيستم يكي از مسائل مهم در مهندسي نرم افزار، به ويژه در مراحل نگهداشت و توسعه‌ي سيستم هاي نرم افزاري است. با افزايش اندازه و پيچيدگي پروژه‌ها، انجام اين نگاشت به صورت دستي دشوار، زمان بر و مستعد خطا مي‌شود. ازاين رو، استفاده از روش هاي خودكار براي پشتيباني از اين فرآيند مورد توجه پژوهشگران قرار گرفته است. اين پروژه به بررسي و پياده سازي يك رويكرد تركيبي براي نگاشت موارد كاربرد به كلاس هاي كد منبع مي‌پردازد. در گام نخست، با استفاده از روش هاي پردازش زبان طبيعي و محاسبه ي شباهت متني مبتني بر فراواني وارون سند و شباهت كسينوسي، مجموعه اي از كلاس‌هاي كانديد براي هر مورد كاربرد استخراج مي‌شود. اين مرحله به عنوان يك فيلتر اوليه عمل كرده و فضاي جست وجو را براي مراحل بعدي كاهش مي‌دهد. در گام بعد، از مدل هاي زباني بزرگ براي انجام تحليل معنايي عميق‌تر و انتخاب نهايي كلاس‌هاي مرتبط استفاده مي‌شود. به منظور بهبود دقت اين مدل ها، راهبرد پرامپت دهي چندنمونه اي به كار گرفته شده است كه در آن نمونه هايي از نگاشت هاي صحيح به مدل ارائه مي‌شود تا استدلال دامنه محور تقويت گردد. در اين پژوهش از دو مدل زباني‌ متفاوت استفاده شده و عملكرد آن ها مقايسه گرديده است. تركيب فيلتر اوليه ي مبتني بر شباهت متني با مدل‌هاي زباني تنها دقت نگاشت را بهبود مي‌بخشد، بلكه حجم داده‌هاي ورودي به مدل را تا نود درصد كاهش داده و درنتيجه موجب صرفه جويي قابل توجهي در هزينه‌هاي محاسباتي مي‌گردد. يافته‌ها حاكي از آن است كه رويكرد تركيبي پيشنهادي نسبت به روش هاي صرفاً مبتني بر شباهت متني، بهبود معناداري در فرآيند نگاشت نيازمندي به كد ايجاد مي‌كند. اگرچه دقت نهايي هنوز براي كاربردهاي عملي نياز به بهبود دارد، اين پژوهش گامي ابتدايي در استفاده از مدل هاي زباني بزرگ براي رهگيري خودكار نيازمندي‌ها محسوب شده و راه را براي تحقيقات آينده در زمينه‌ي بهينه سازي روش‌هاي پرامپت دهي توسعه‌ي روش‌هاي تعبيه سازي تخصصي و تلفيق با تحليل هاي ساختاري پيشرفته باز مي‌كند.

رهگيري نيازمندي‌ها، نگاشت نيازمندي به كد، مدل‌هاي زباني بزرگ، پرامپت دهي زنجيره فكري، تحليل شباهت متني