طبقه بندی نیازمندی های نرم افزار بر اساس منطق فازی و شبکه هایعصبی

در طبقه بندی نیازمندی های نرم افزار به تیم های توسعه و مدیریت کمک می کند تا نیازمندی ها را به شکلی سازمان یافته مدیریت کنند، که این امر منجر به شناسایی نیازمندی های حیاتی، افزایش کیفیت نرم افزار، بهینه سازی زمان و هزینه، و در نتیجه افزایش رضایت کاربران و ذی نفعان می شود. این طبقه بندی که به دو دسته تابعی و غیر تابعی انجام می شود، به تیم توسعه امکان می دهد تا بهترین راه حل ها را برای هر دسته ارائه دهد و نقاط ضعف را بهبود بخشد. در این مقاله، یک رویکرد برای طبقه بندی نیازمندی های نرم افزاری بر اساس نیازمندی های تابعی و غیر تابعی با استفاده از معیار شباهت فازی و شبکه های عصبی ارائه شده است. این روش از مجموعه داده های متنی نیازمندی های نرم افزار برای تحلیل و شناسایی نیازمندی ها استفاده می کند. در این روش، علاوه بر استفاده از شبکه های عصبی عمیق، روش های طبقه بندی دیگری نیز با استفاده از داده های آموزشی مهیا شده توسط معیار شباهت فازی پیاده سازی شده است. نتایج نشان می دهد که مقادیر میانگین معیارهای ارزیابی شامل دقت با ۹۱.۸٪ ، حساسیت با ۹۳.۲٪، صحت با ۸۸.۴% و معیار F با ۹۰.۷%، برای روش پیشنهادی نسبت به سایر روش های طبقه بندی و همچنین نسبت به روش های پیشین، بهبودچشمگیری داشته است.

کلیدواژه ها:

مهندسی نرم افزار ، طبقه بندی نیازمندی های ، داده کاوی ، منطق فازی ، شبکه های عصبی.