| Tweet | |
| 小田郁弥, "深層学習を利用した機能仕様書からの ファンクションポイント計測支援," 修士学位論文, 大阪大学, 2024年. | |
| ID | 820 |
| 分類 | 学位論文 |
| タグ | |
| 表題 (title) |
深層学習を利用した機能仕様書からの ファンクションポイント計測支援 |
| 表題 (英文) |
|
| 著者名 (author) |
小田郁弥 |
| 英文著者名 (author) |
Fumiya Oda |
| キー (key) |
Fumiya Oda |
| 学校名 (school) |
大阪大学 |
| 出版社住所 (address) |
|
| 刊行月 (month) |
2 |
| 出版年 (year) |
2024 |
| URL |
|
| 付加情報 (note) |
|
| 注釈 (annote) |
|
| 内容梗概 (abstract) |
一般にシステム開発プロジェクトの見積もりでは，まず開発規模が見積もられ，それを用いて工数や 予算の見積もりが行われる．開発規模の尺度として，ファンクションポイント（FP）が存在する．FP は客観的な見積もりの指標として広く用いられており，幾つかの計測方法はISO/IEC の国際標準規格 として扱われている．一方で，FP の計測は手作業で行われており，その計測の手間はFP の導入にお ける課題となっており，その対策の一つとしてFP 計測支援ツールに関する研究が行われている．本稿 では，日本語で記述された機能仕様書を対象として，深層学習モデルを用いたFP 計測支援手法につい て提案する．提案手法は深層学習を用いた固有表現認識によってFP の構成要素を抽出・分類するもの であり，その手法を実現する計測支援ツールを開発した．ツールの評価にあたっては，三種の題材を対 象にツールを適用する実験を行った．一つ目の題材であるFP 学習用の教材2 種を用いて，それぞれ19 要件と16 要件から学習することで，それぞれ4 要件中1 件，5 要件中1 件でFP の基本構成要素の分 類結果が人間が分類した結果と同様になるという結果を得た．二つ目の題材であるデジタル庁の公開し ている33 種の機能仕様書から抽出した要件を用いて10 分割交叉実験を行い，平均して215.4 要件中 192.4 要件でFP の基本構成要素の分類結果が人間が分類した結果と同様になるという結果を得た．三 つ目の題材である総務省の公開している印鑑登録システムでは，機能仕様書から専門家が抽出した要件 を用いて10 分割交叉実験を行い，平均して22 要件中12.6 要件でFP の基本構成要素の分類結果が専 門家が分類した結果と同様になるという結果を得た． |
| 論文電子ファイル | fumy-oda_mthesis.pdf (application/pdf) [一般閲覧可] |
| BiBTeXエントリ |
@masterthesis{id820,
title = {深層学習を利用した機能仕様書からの ファンクションポイント計測支援},
author = {小田郁弥},
school = {大阪大学},
month = {2},
year = {2024},
}
|