10.29327/1298730.23-06
El primer paso para obtener un producto de software de calidad es abordar la calidad de los requerimientos. Dado que los requerimientos estan escritos en lenguaje natural, la flexibilidad y las caracteristicas propias del lenguaje pueden conducir a errores durante su especificacion y, en consecuencia, esto puede influir negativamente en fases posteriores del ciclo de vida del software. Por esta razon, en este articulo se propone un enfoque innovador que combina tecnicas de procesamiento del lenguaje natural y redes neuronales, especificamente redes neuronales recurrentes LSTM, para predecir la calidad textual de los requerimientos. Inicialmente, se aborda el analisis de la propiedad de calidad singular definida en el estandar ISO/IEC/IEEE 29148: 2018. El modelo neuronal propuesto es entrenado con un conjunto de datos que incluye 1000 requerimientos. Cada requerimiento es sometido a un proceso de tokenizacion y etiquetado gramatical, con el fin de obtener una secuencia representativa que actue de entrada al modelo neuronal. La propuesta proporciona resultados prometedores con un alto nivel de precision, lo que motiva explorar su aplicacion en la evaluacion de otras propiedades de calidad.
Requirements Engineering; Deep Learning; Long Short Term Memory
@inproceedings{wer202006,
author = {Gramajo, M. G. and Ballejos, L. and Ale, M.},
title = {Hacia la Evaluación Automática de la Calidad de los Requerimientos de Software usando Redes Neuronales Long Short Term Memory},
booktitle = {Proceedings of the WER2020-23th Workshop on Requirements Engineering, São José dos Campos, SP - Brazil},
year = {2020},
issn = {2675-0066},
isbn = {978-65-00-73318-1},
doi = {10.29327/1298730.23-06}
}