تشخیص هوشمند موجودیت های خاص در مهندسی نیازمندی ها

در دنیای امروز با پیشرفت سریع فناوری و صنعت، لازم است که نیازمندی ها از روی اسناد و ایمیل ها و پرسش نامه ها و داستان های کاربران و موارد دیگر استخراج شود. فرآیندهای دستی برای استخراج نیازمندی ها دیگر پاسخگوی نیازهای حوزه مهندسی نرم افزار نیست. این کار هم زمان بر و هم پر از خطا است. با پیدایش الگوریتم های یادگیری ماشین، یادگیری عمیق و با ظهور پردازش زبان طبیعی و مدل های زبانی بزرگ، کار استخراج نیازمندی ها برای مهندسان ساده تر و دقیق تر انجام می شود. در روش های خودکار تشخیص موجودیت های خاص، مدل هوش مصنوعی مستندات متنی را می خواند و اسامی مهم مانند نام ماژول ها، سخت افزارها، نرم افزارها و کاربران را پیدا و دسته بندی می کند. این اطلاعات ساختار یافته در آینده برای جلوگیری از دوباره کاری و مدیریت بهتر نیازمندی ها استفاده می شوند. بررسی ها نشان می دهند که مدل های مختلف زبانی و هوش مصنوعی به صورت ترکیبی می توانند نتایج بهتری داشته باشند و البته در حوزه های مختلف مهندسی نیازمندی ها به دلیل متفاوت بودن موجودیت های خاص استخراج شده، گاهی روش ها قابل تعمیم به سایر حوزه ها نیستند و گاهی در حوزه های مشابه دوباره کاری صورت می گیرد. در این مقاله نقاط قوت و ضعف و چالش های روش های موجود بیان شده است.

کلیدواژه ها:

مهندسی نیازمندی ها ، تشخیص موجودیت های خاص ، مدل های زبانی بزرگ ، یادگیری ماشین ، یادگیری عمیق