ارتقاء فرآیند مهندسی نیازمندیها با استفاده از سیستمهای توصیهگر ترکیبی
نویسندگان
1 دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران
2 دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران
3 دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران
4 دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران
doi
10.22052/scj.2025.255465.1267چکیده
مهندسی نیازمندیها یکی از مراحل مهم و حیاتی در فرآیند توسعه نرمافزار به شمار میآید که اجرای صحیح آن تاثیر بسزایی در موفقیت پروژه دارد. به منظور افزایش کیفیت و کارایی مهندسی نیازمندیها، استفاده مجدد از نیازمندیهای پیشین به عنوان روشی موثر مطرح شده است. سیستمهای توصیهگر با بهرهگیری از روشهایی نظیر پالایش مشارکتی، پالایش مبتنی بر محتوا، تکنیکهای مبتنی بر دانش و رویکردهای ترکیبی، به ذینفعان در شناسایی و اولویتبندی بهینه نیازمندیها کمک میکنند. این مقاله یک روش ترکیبی پالایش مشارکتی و پالایش مبتنی بر محتوا برای بهبود عملکرد سیستمهای توصیهگر در مهندسی نیازمندیها ارائه میدهد. در این روش، شباهت معنایی بین نیازمندیها با استفاده از مدل بردارهای سراسری واژگان (GloVe) محاسبه شده و ویژگیهای معنایی استخراج شده از توصیفات متنی با دستهبندیهای از پیش تعریف شده ترکیب میشوند. این فرآیند دقت پیشبینی علاقه یا نیاز ذینفعان به نیازمندیها و اولویتبندی آنها را افزایش میدهد. نتایج تجربی به دست آمده از مجموعه داده RALIC نشان میدهد که رویکرد پیشنهادی به طور معناداری دقت و پوشش پیشبینی را افزایش میدهد. این بهبود به ویژه در مواجهه با چالشهای پراکندگی دادهها و مشکل شروع سرد مشهود است که نشاندهنده کارایی بالاتر این روش در مقایسه با رویکردهای موجود میباشد.
