افزایش دادههای کد برای بهبود عملکرد مدل زبان در ترمیم پیوندهای ردپذیری نیازمندی به کد

افزایش داده روشی برای رفع نیاز داده و استفاده بیشتر از دادههای موجود برای آموزش شبکه های عصبی عمیق است . نگه دار ی پیوندهای ردپذیری نیازمندی به مدیریت توسعه نرمافزار کمک کرده و باعث بهبود کیفیت نرمافزار می شود. برای کمک به نگه دار ی این پیوندها، می توان از روشهای ترمیم خودکار پیوندها استفاده نمود. یکی از روشهای اخیر ترمیم خودکار، استفاده از مدل زبان است . در این کار سه روش افزایش دادههای کد برای بهبود مدل زبان در کاربرد ترمیم پیوندهای ردپذیری نیازمندی ارائه شدهاند. این سه روش، تغییر نام متغیر، جابه جایی عملوندها و جابه جایی جملات هستند. این روشها کلی بوده که برای بسیاری از زبانها ی برنامه نویسی قابل پیادهسازی هستند و همچنین قابلیت تولید حالات مختلف به صورت تصادفی دارند که می تواند قابلیت تعمیم مدل را بهبود بخشد. نتایج ارزیابی مدل روی دادههای مستندات به تابع که مشابه دادههای نیازمندی به تابع هستند نشاندهنده بهبود عملکرد مدل زبان با استفاده از افزایش دادههای کد است . در این ارزیابی ، با استفاده از افزایش دادههای کد، دقت مدل از ۶۶۹.۰ به ۷۲۲.۰ و یادآوری آن از ۵۷۴.۰ به ۶۰۱.۰ رسیده است و طبق آزمایش ویلکوکسون، بهبود قابل توجهی داشته است .

کلیدواژه ها:

ردپذیری نرم افزار ، ردپذیری نیازمندی ، افزایش داده ، مدل زبان.