The process is based on  iteration

The process is based on  iterations of the three steps, which are herein detailed.

1. Pair Sampling. An automated procedure selects from the set of Requirements a set of Sampled Requirements Pairs whose relative preference is unknown (i.e., Unordered Requirement Pairs, as defined in (1)), according to a sampling policy. A sampling policy can be a random choice or it may take into account the rankings computed in the previous iteration.3
2. Priority Elicitation. This takes the collection of Sampled Requirements Pairs produced by the Pair Sampling step in input and produces as output a set of Ordered Requirements Pairs on the basis of the Priorities expressed by a decision maker.
3. Priority Learning. Given a partial elicitation of the stakeholder priority and eventually a set of Ranking Functions, the learning algorithm produces an approximation of the unknown preferences and then the correspondent Approximated Rank for the requirements.
The Approximated Rank, that is, the output of the process, represents an approximation of the exact ranking and may become the input for a further iteration of the process. If the result of the learning step is considered accurate enough (or time to input preferences runs out), the iterations stop and the process gives the last approximated rank (Final Approximated Rank) as output.

Kết quả (Việt) 1:

Quá trình này dựa trên lặp đi lặp lại các bước 3, mà ở đây chi tiết.1. đôi mẫu. Một quy trình tự động lựa chọn từ các thiết lập của yêu cầu một tập hợp của lấy mẫu yêu cầu cặp có ưu tiên tương đối là chưa biết (tức là, có thứ tự yêu cầu cặp, theo quy định tại (1)), theo một chính sách lấy mẫu. Một chính sách mẫu có thể là một lựa chọn ngẫu nhiên hoặc nó có thể đưa vào tài khoản các bảng xếp hạng tính trong iteration.3 trước2. ưu tiên Elicitation. Điều này mất bộ sưu tập của lấy mẫu yêu cầu cặp được sản xuất bởi bước cặp mẫu đầu vào và sản xuất như đầu ra một tập các lệnh yêu cầu cặp trên cơ sở các ưu tiên bày tỏ bởi một hãng sản xuất quyết định.3. ưu tiên học tập. Thuật toán học tập cho một elicitation một phần của ưu tiên bên liên quan và cuối cùng là một tập hợp các chức năng xếp hạng, sản xuất một xấp xỉ của sở thích không rõ và sau đó là phóng viên Approximated xếp hạng cho các yêu cầu.Xấp xỉ xếp hạng, có nghĩa là, đầu ra của quá trình này, đại diện cho một xấp xỉ của bảng xếp hạng chính xác và có thể trở thành đầu vào cho một lặp đi lặp lại thêm của quá trình. Nếu kết quả của bước học tập được coi là chính xác, đủ (hoặc thời gian đầu vào sở thích chạy ra), dừng lặp đi lặp lại và quá trình cho cấp bậc approximated cuối (cuối cùng xếp hạng ước chừng) là đầu ra.

Kết quả (Việt) 2:

Quá trình này được dựa trên? lặp đi lặp lại trong ba bước, mà là ở đây chi tiết. 1. Cặp mẫu. Một thủ tục tự động chọn từ phần thiết lập các yêu cầu một bộ lấy mẫu Yêu cầu Pairs có sở thích tương đối là không xác định (tức là, cặp Yêu cầu không có thứ tự, như được định nghĩa trong (1)), theo một chính sách lấy mẫu. Một chính sách lấy mẫu có thể là một sự lựa chọn ngẫu nhiên hoặc nó có thể đưa vào tài khoản các bảng xếp hạng tính trong iteration.3 trước 2. Gợi mở ưu tiên. Này có các bộ sưu tập của Sampled Yêu cầu Pairs sản xuất bởi các bước Pair lấy mẫu ở đầu vào và đầu ra là một tập hợp có thứ tự yêu cầu cặp trên cơ sở các ưu tiên thể hiện bởi một nhà sản xuất quyết định. 3. Learning ưu tiên. Cho một sự khám phá một phần của các ưu tiên các bên liên quan và cuối cùng là một tập hợp các chức năng xếp hạng, các thuật toán học tạo ra một xấp xỉ của các sở thích không rõ và sau đó các phóng viên xấp xỉ Rank cho các yêu cầu. Các xấp xỉ Rank, đó là, đầu ra của quá trình, đại diện một xấp xỉ của các bảng xếp hạng chính xác và có thể trở thành đầu vào cho một lần lặp tiếp theo của quá trình này. Nếu kết quả của các bước học tập được coi là đủ chính xác (hoặc thời gian ưu đãi đầu vào chạy ra ngoài), các lần lặp lại dừng lại và quá trình này cung cấp cho các bậc xấp xỉ cuối cùng (Final xấp xỉ Rank) như đầu ra.