System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能软件,特别涉及一种依托于大语言模型、文本分类模型的高泛化性端到端软件功能点精准提取与识别。
技术介绍
1、软件工程项目的成本是影响项目质量和成效的重要因素之一。科学统一的软件造价评估成为有效进行软件工程项目管理的重要依据,也是当前软件工程领域产业发展的迫切需要,其首要任务是确定软件规模。功能点估算方法是一种可靠、有效的软件规模度量方法,它通过测量和统计软件的功能点来计算最终的造价。
2、然而,经典的软件功能点估算方法往往基于人工测算与审查方式完成,缺少统一的流程范式,并需要消耗大量人力物力,以实现从原始软件需求说明文档到功能点条目的提取与识别。
3、为了满足自动化需求,近年来基于机器学习的功能点识别技术被提出,现有的自动化软件功能点估算方法在端到端模式、数据泛化性、功能点精细化提取与识别存在一定问题:
4、问题一:无法实现端到端模式的功能点条目生成。
5、现有自动化软件功能点估算方法仅实现软件功能点的粗略识别,一般来说,它们基于机器学习方法对功能点条目数据集进行类别区分。而在实际场景应用中,仍然需要人工从完整文档中定位出功能点描述,针对功能点条目离线建立用于测试的功能点条目数据集,才能利用机器学习算法完成识别与最终条目生成。上述过程包含了人工提取与自动化识别两阶段,这种非端到端的模式流程繁琐。对于得到的结果,预处理与后处理都需要大量人力来判读来确定各个类型功能点的数目,进而完成造价评估。
6、问题二:现有功能点识别方法难以泛化和精确判别。
< ...【技术保护点】
1.一种端到端软件功能点提取与识别方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述类别真值根据软件的数据功能和事务功能确定,包括:ILF、EIF、EI、EO和EQ。
3.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述S2中的深度学习模型采用Transformer Decoder-only架构。
4.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述S2还包括:基于低秩自适应策略对预训练的生成式大语言模型进行调整:
5.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述S3中的双向编码表示注意力模型采用Transformer Encoder-only架构。
6.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述S4还包括:在将功能点文档段落输入至所述生成式大语言模型的同时,输入提示词,所述生成式大语言模型基于提示词对功能点文档段落进行规范化功能点条目的提取。
8.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述文本分类BERT模型包括Transformer编码器和功能点分类器,具体执行如下步骤;
9.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述S2中的所述规范化功能点条目包括:条目文本和对应的第一类别;所述S4获得所述第二类别后还包括如下步骤:
10.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述文本分类BERT模型输出为具有规范化格式的条目文本及对应的第二类别。
...【技术特征摘要】
1.一种端到端软件功能点提取与识别方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述类别真值根据软件的数据功能和事务功能确定,包括:ilf、eif、ei、eo和eq。
3.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述s2中的深度学习模型采用transformer decoder-only架构。
4.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述s2还包括:基于低秩自适应策略对预训练的生成式大语言模型进行调整:
5.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述s3中的双向编码表示注意力模型采用transformer encoder-only架构。
6.根据权利要求1所述的一种端到端软件功能点提取与识别方法,其特征在于,所述s...
【专利技术属性】
技术研发人员:赵冉,姜鸿翔,赵征,
申请(专利权)人:中安启成科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。