The CBRank method rests on a framew

The CBRank method rests on a framework, first introduced in [7] and [8], which supports decision-making for ordering a set of items, e.g., product features or software requirements. The framework provides an iterative prioritization process that can handle single and multiple human decision makers (stakeholders) and different ordering criteria. A peculiarity of this framework is the use of machine learning to reduce the elicitation effort, that is, the amount of information required from stakeholders, for achieving rankings of a given quality degree. Besides the problem of requirements prioritization [4], [5], [6], the framework has been applied to the problem of prioritizing test cases in software testing [38].
In order to illustrate CBRank, we first define a set of basic concepts that help describe the prioritization process, then we introduce the specific machine learning techniques it is based on in terms of an algorithmic procedure that we apply to a toy example to give an intuitive account of how the algorithm works.

Kết quả (Việt) 1:

Phương pháp CBRank dựa trên một khuôn khổ, lần đầu tiên giới thiệu trong [7] và [8], mà hỗ trợ ra quyết định để đặt hàng một tập hợp các mục, ví dụ, tính năng sản phẩm hoặc phần mềm yêu cầu. Khuôn khổ cung cấp một quá trình lặp đi lặp lại ưu tiên mà có thể xử lý duy nhất và nhiều con người ra quyết định (các bên liên quan) và tiêu chí đặt hàng khác nhau. Một tính đặc thù của khuôn khổ này là việc sử dụng của máy học tập để làm giảm nỗ lực elicitation, có nghĩa là, số lượng thông tin cần thiết từ các bên liên quan, để đạt được thứ hạng của một mức độ nhất định chất lượng. Bên cạnh đó vấn đề của yêu cầu ưu tiên [4], [5], [6], khuôn khổ đã được áp dụng cho vấn đề ưu tiên trường hợp thử nghiệm trong phần mềm thử nghiệm [38].Để minh họa cho CBRank, chúng tôi lần đầu tiên định nghĩa một tập hợp các khái niệm cơ bản giúp mô tả quá trình ưu tiên, sau đó chúng tôi giới thiệu máy cụ thể học tập kỹ thuật nó dựa trên trong điều khoản của một quy trình thuật toán mà chúng tôi áp dụng cho một ví dụ đồ chơi để cung cấp cho một tài khoản trực quan về cách hoạt động của các thuật toán.

Kết quả (Việt) 2:

Phương pháp CBRank dựa trên một khuôn khổ, lần đầu tiên được giới thiệu trong [7] và [8], trong đó hỗ trợ việc ra quyết định để đặt hàng một số mặt hàng, ví dụ, tính năng sản phẩm hoặc yêu cầu phần mềm. Các framework cung cấp một quá trình lặp đi lặp lại ưu tiên có thể xử lý các nhà sản xuất duy nhất và nhiều người quyết định (các bên liên quan) và tiêu chí đặt hàng khác nhau. Một nét đặc biệt của khuôn khổ này là việc sử dụng các máy học tập để làm giảm nỗ lực khám phá, đó là, số lượng thông tin cần thiết từ các bên liên quan, để đạt được thứ hạng của một mức độ chất lượng nhất định. Bên cạnh những vấn đề của các yêu cầu ưu tiên [4], [5], [6] thì khuôn khổ đã được áp dụng cho các vấn đề ưu tiên các trường hợp thử nghiệm trong kiểm thử phần mềm [38].
Để minh họa CBRank, đầu tiên chúng ta định nghĩa một tập hợp các cơ bản khái niệm, giúp mô tả quá trình ưu tiên, sau đó chúng tôi giới thiệu các kỹ thuật máy học cụ thể nó được dựa trên trong điều khoản của một thủ tục thuật toán mà chúng tôi áp dụng cho một ví dụ đồ chơi để cung cấp cho một tài khoản trực quan về cách các thuật toán làm việc.