宮崎/非機能要件 の履歴(No.8)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 宮崎/非機能要件 へ行く。
  • 1 (2017-04-06 (木) 05:31:06)
  • 2 (2017-04-06 (木) 05:31:06)
  • 3 (2017-04-06 (木) 05:31:06)
  • 4 (2017-04-10 (月) 06:56:24)
  • 5 (2017-04-11 (火) 07:55:04)
  • 6 (2017-04-11 (火) 17:50:54)
  • 7 (2018-04-10 (火) 17:31:40)
  • 8 (2018-04-11 (水) 08:16:17)

宮崎

研究目的†

• 非機能要件の認識の違いをなくすための手法の構築

先行研究の問題点・原因†

• 問題点
  • 分類の粒度があらい
    • 「セキュリティ」，「パフォーマンス」と分類
    • 分類結果を目視して細分化しないといけない
• 原因
  • 粒度の粗い単語辞書を作っている
    • RFPからセキュリティに関連度が高い（WEB検索でヒットすることが多い）単語を取得してセキュリティ辞書にしている
    • 例）あるRFPセキュリティ辞書に含まれる単語
    • email, login , Authenticate
• 考えないといけない？点
  • ひとつのRFPに専用の辞書を作っている
    • 他の辞書には利用できない
    • そのRFPに書いてある単語しか辞書に追加できない
  • 複数のRFPをデータセットとすることで対応可能？

先行研究の問題点を解消するために†

• 粒度の細かい辞書を作る
  • セキュリティの中の「セキュリティパッチの適用範囲」辞書を作る
• 1つの単語があるかないかの0，1の辞書ではいけない
  • 「セキュリティパッチ」が含まれる文をNFR文として抽出すると「セキュリティパッチの適用範囲」には該当しない
    • 例文）セキュリティパッチの情報を提供すること（これは「セキュリティパッチの適用範囲」ではない）
• 複数の単語集合？を持った辞書を作る
  • 例えば，「セキュリティパッチの適用範囲」の辞書なら「セキュリティパッチ」と「適用」と「範囲に関する単語」が含まれている辞書
• 自然言語特有の表記ゆれに対応する必要がある
  • 「セキュリティパッチ」「パッチ」「修正プログラム」は同じように扱われる
  • 文字列の近さではなく類似度で表記ゆれをなくす

処理のステップと用いるアルゴリズム†

1．RFPの文章と取得，形態素解析をして文を単語（名詞，動詞）に変換

• 名詞，動詞のみの理由：まずは，NFRの記述文かどうかの判断をするため．形容詞など修飾する単語は強調する時に使われ．NFRのレベル分けに対応するため
• MeCab形態素解析を行う．辞書にipadic-neologdを使う：RFPには固有語が含まれることが多いため，neologdを使うことで新語や固有語に対応可能になる．

2．NFRに該当するであろう文を取得する

• 例）「セキュリティパッチ」を含む文を取得する：「セキュリティパッチ適用の範囲」というNFRの辞書を作るために，まずコアとなる単語である「セキュリティパッチ」の文を取得するため．

3．コア単語に類似する単語を含む文も取得する

• 表記ゆれに対応するため．
• 「セキュリティパッチ」に類似する単語を取得する
• 類似とは，同じ意味を持つ単語

4．コア単語と共起する単語を調べる

• コア単語と共起する単語の中から「セキュリティパッチ適用の範囲」に関する記述に含まれる単語取得するため
• どの文にも出現する単語は除去しておく．tfidfを適用：どの文にも出現する単語はそれほど重要ではくNFRを示す単語には当てはまらないと考えられるため．tfidfは複数の文からどの文にも含まれる単語の重要度を下げ．特定の文にのみ出現する単語を抽出することができるため．

5．取得した共起単語を辞書に追加する

• 正解はどう判断する？
  • 予め自作で作ったものを正解にするのであれば，それを使って調べればよいだけ．．．こねくり回した意味がなくなる．．．

TO Study†

• 自然言語処理（Python）
• 機械学習

TODO†

• 文献調査

Paper I've read†