典型文献
基于BERT的提示学习实现软件需求精确分类
文献摘要：
软件需求是用户对软件效用的直接回馈,实现对软件需求工程精确分类可大幅降低维护成本并显著加快软件开发维护的流程.使用传统的基于机器学习分类方法(如逻辑回归、支持向量机以及K近邻算法),或简单地应用BERT(Bidirectional Encoder Representation from Transformers)模型都不能很好地利用软件需求PROMISE数据集样本,最终表现为通用性差或分类效率低.为了增强BERT模型对自然语言文本的语义理解能力,应用提示学习的思想,将K分类选择问题转化为二分判断问题.实验结果表明,无需对不均衡的数据集执行样本均衡策略,模型分类性能便远优于上述两种分类工作,获得最佳的预测结果.
文献关键词：
软件需求;精确分类;双向编码器;提示学习
中图分类号：
作者姓名：
罗贤昌;薛吟兴
作者机构：
中国科学技术大学 计算机科学与技术学院,安徽 合肥 230026
文献出处：
引用格式：
[1]罗贤昌;薛吟兴-.基于BERT的提示学习实现软件需求精确分类)[J].网络安全与数据治理,2022(02):39-45
A类：
B类：
BERT,提示学习,精确分类,接回,回馈,软件需求工程,降低维护成本,软件开发,基于机器学习,分类方法,逻辑回归,近邻算法,Bidirectional,Encoder,Representation,from,Transformers,利用软件,PROMISE,通用性,自然语言,语义理解,理解能力,分类选择,问题转化,样本均衡,均衡策略,模型分类性能,分类工作,获得最佳,双向编码器
AB值：
0.463306
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
