Applying Machine Learning Methods to Requirements Classification

Abstract

Requirements Engineering (RE) is an important phase of software development. This pro- cess consists of defining and maintaining the software requirements. These requirements can be classified into functional and non-functional requirements. However, when this process fails, due to incomplete, non-accurate, or even misclassified requirements, it can lead to project failures. To tackle this problem, Machine Learning (ML) techniques can be applied to help manage requirements. ML is a sub-field of Artificial Intelligence that can be used to aid the decision-making process by building automated models trained through samples of data. Thus, to attenuate these failures, will bring together RE and ML to automatically classify the requirements. We will use Supervised ML models and Active Learning (AL). SL models requires large amounts of data to be trained efficiently. However, in most cases, the data sets used to train are unlabelled and since the amount of data is too large, it makes it difficult to manually label it, being this the main challenge to train supervised models. AL is a way to counter the problems related to SL by accurately selecting the examples to be labelled by the user and consequently used to train the model. By aggregating AL with SL, we can achieve a more efficient model than by labelling the entire training set. We will define an approach to apply ML and AL to classify requirements datasets systematically. Thus, we will be able to accelerate and automate the requirements classification process. Classifying the requirements into categories enables developers to focus more on the other stages of the development process. The requirements to be used in the classification process will be written as informal text or user stories.

A Engenharia de Requisitos (ER) é uma fase importante no desenvolvimento de software. Este processo consiste em definir e manter os requisitos de software. Requisitos estes, que podem ser classificados como funcionais e não funcionais. No entanto, quando esse processo falha, devido a requisitos incompletos, não precisos ou mesmo mal classificados, pode levar a falhas de projeto. Para mitigar este problema, técnicas de Machine Learning (ML) podem ser aplicadas para ajudar a gerir os requisitos. ML é um subcampo da Inteligência Artificial que consegue tomar decisões com menos intervenção do usuário por meio da construção de modelos automatizados, treinados a partir de conjuntos de dados. Assim, para atenuar essas falhas, esta dissertação reunirá RE e ML para classificar automaticamente os requisitos. Vamos usar modelos de Supervised Learning (SL) e Active Learning (AL). O primeiro, requer grandes quantidades de dados para serem trainados de forma eficiente, mas, na maioria dos casos, os conjuntos de dados usados para treinar não estão rotulados e, como a quantidade de dados é muito grande, torna-se difícil classificá- los manualmente, sendo esse o principal desafio para treinar modelos de SL. O AL é uma forma de combater os problemas relacionados ao SL, selecionando com precisão os exemplos a serem rotulados pelo utilizador e, consequentemente, usados para treinar o modelo. Ao agregar AL com SL, podemos obter um modelo mais eficiente, e ainda evitar rotular todo o conjunto de dados. Definiremos uma abordagem para aplicar ML e AL para classificar conjuntos de dados de requisitos sistematicamente. Assim, poderemos acelerar e automatizar o processo de classificação de requisitos. Classificar os requisitos em categorias permitirá que os desen- volvedores se concentrem mais nas outras etapas do processo de desenvolvimento. Os requisitos a serem usados no processo de classificação serão escritos como texto informal, ou histórias de utilizador