Machine Learning come supporto per la valutazione dei requisiti agili

Zhou, Giulio (2017) Machine Learning come supporto per la valutazione dei requisiti agili. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 3.0 (CC BY-NC-SA 3.0)

Download (1MB)

Abstract

L'approccio delle metodologie agili ai requisiti è meno rigoroso rispetto al processo tradizionale dell'Ingegneria dei Requisiti (RE). Tuttavia, ha la pretesa di riuscire ad adattarsi con più facilità in un ambiente in continuo mutamento. Questa capacità di adattamento è data dalla pianificazione e dall'analisi dei requisiti durante tutto il processo di sviluppo del software. Nei metodi agili come Extreme Programming (XP) e Scrum, la valutazione e stima dei requisiti viene effettuata dai programmatori a ogni iterazione durante il Planning Game. In questa tesi si valuteranno gli algoritmi del Machine Learning (ML) come supporto a questa fase. Gli esperimenti verranno effettuati su un dataset di requisiti Scrum per un progetto fittizio appositamente ideato e si articoleranno principalmente in due fasi: l'analisi dei dati, con algoritmi di Elaborazione del Linguaggio naturale (NLP) e di ML non supervisionati, e la stima dei requisiti, attraverso algoritmi di ML supervisionati. Si scopre quindi che il pattern preponderante delle informazioni del dataset è quello lineare. La precisione delle predizioni con un input formato da una combinazione di stime (es. predire lo sforzo a partire da stime quali le linee di codice scritte) può arrivare allo 0.9985, mentre utilizzando il modello predittivo generato a partire dai campi testuali, la precisione arriva nel migliore dei casi allo 0.3360. Questo valore può essere migliorato abbassando la complessità della stima da ottenere, infatti, valutare il livello di difficoltà del requisito permetterà una precisione anche pari a 0.68.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Zhou, Giulio
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Ingegneria del Software,Machine Learning,Ingegneria dei Requisiti,Sviluppo Agile,Stime di Progetto
Data di discussione della Tesi
12 Luglio 2017
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^