Abstract—Deciding which, among a se

Abstract—Deciding which, among a set of requirements, are to be considered first and in which order is a strategic process in software development. This task is commonly referred to as requirements prioritization. This paper describes a requirements prioritization method called Case-Based Ranking (CBRank), which combines project’s stakeholders preferences with requirements ordering approximations computed through machine learning techniques, bringing promising advantages. First, the human effort to input preference information can be reduced, while preserving the accuracy of the final ranking estimates. Second, domain knowledge encoded as partial order relations defined over the requirement attributes can be exploited, thus supporting an adaptive elicitation process. The techniques CBRank rests on and the associated prioritization process are detailed. Empirical evaluations of properties of CBRank are performed on simulated data and compared with a state-of-the-art prioritization method, providing evidence of the method ability to support the management of the tradeoff between elicitation effort and ranking accuracy and to exploit domain knowledge. A case study on a real software project complements these experimental measurements. Finally, a positioning of CBRank with respect to state-of-the-art requirements prioritization methods is proposed, together with a discussion of benefits and limits of the method.

Kết quả (Việt) 2:

Tóm tắt-Quyết định đó, trong một tập hợp các yêu cầu, sẽ được xem xét trước và thứ tự nào là một quá trình chiến lược trong phát triển phần mềm. Nhiệm vụ này được gọi chung là yêu cầu ưu tiên. Bài viết này mô tả một phương pháp yêu cầu ưu tiên gọi Case-Based Ranking (CBRank), kết hợp giữa các bên liên quan ưu đãi của dự án với xấp xỉ yêu cầu đặt hàng tính thông qua kỹ thuật máy học, mang lại lợi thế đầy hứa hẹn. Đầu tiên, các nỗ lực của con người để thông tin ưu đãi đầu vào có thể được giảm, trong khi vẫn giữ độ chính xác của dự toán hạng cuối cùng. Thứ hai, kiến ​​thức miền mã hóa như là quan hệ thứ tự từng phần được xác định qua các thuộc tính yêu cầu có thể được khai thác, do đó hỗ trợ một quá trình thích nghi khơi gợi. Các kỹ thuật CBRank dựa trên và quá trình ưu tiên liên quan được chi tiết. Đánh giá thực nghiệm của các thuộc tính của CBRank được thực hiện trên dữ liệu mô phỏng và so sánh với một phương thức nhà nước-of-the-nghệ thuật ưu tiên, cung cấp bằng chứng về khả năng phương pháp để hỗ trợ việc quản lý của sự cân bằng giữa nỗ lực khơi gợi và xếp hạng chính xác và khai thác kiến ​​thức miền. Một nghiên cứu trường hợp về một dự án phần mềm thực tế bổ sung cho các phép đo thực nghiệm. Cuối cùng, một vị trí của CBRank đối với nhà nước-of-the-nghệ thuật phương pháp yêu cầu ưu tiên với đề nghị, cùng với một cuộc thảo luận về những lợi ích và hạn chế của phương pháp này.