Geri Dön

Çevik yazılım geliştirmede çaba tahmini için büyük dil modeli tabanlı yeni bir yaklaşım

A new large language model based approach for effort estimation in agile software development

PDF İndir

  1. Tez No: 1016511
  2. Yazar: TUNAHAN ÇATAK
  3. Danışmanlar: DOÇ. DR. PINAR ONAY DURDU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yazılım projelerinde çaba tahmini önemli aşamalardan biridir. Yazılım ekibi, öngörülen çaba tahmini üzerinden planlama ve müşterilere taahhüt etme işlemlerini yapar. Çaba tahmini için kullanılan geleneksel yaklaşımlarda insan temelli değerlendirmeye dayalı bir tahmin yapısı kullanılmakta ve bu durum hatalı çaba tahminleme ihtimalini yükseltmektedir. Özellikle çevik yazılım geliştirme süreçlerinde bir kullanıcı hikayesinin çaba tahmini hatalı yapıldığında, bu durum projenin başarı oranını da düşürmektedir. Günümüzde büyük dil modellerinin gelişmesi ve doğal dil işleme alanında başarılı sonuçlar elde edilmesi kullanıcı hikayelerinden yazılım çaba tahmini yapmak için bu yöntemlerin hızlı ve etkili yollar sağlama potansiyelini ortaya koymaktadır. Bu çalışma kapsamında çevik yazılım geliştirme süreçleri için doğal dil işleme (NLP) ile ajan tabanlı bir yazılım gereksinim çaba tahmin modeli önerilmektedir. Bu çalışmada, yazılım geliştirme süreçlerinde kullanılan kullanıcı hikayesi temelli metinsel gereksinim verileri üzerinden sınıflandırma yapan, getirmeli destekli üretim ve az atışlı öğrenme yaklaşımlarıyla güçlendirilmiş ajan tabanlı bir model önerilmektedir. Önerilen modelin performansını ve modelde yer alan bileşenlerin katkılarını incelemek amacıyla çeşitli deneyler tasarlanmıştır. Temel karşılaştırma modeli olarak yalın bir büyük dil modeli kullanılmış ve önerilen yaklaşımın bu modele kıyasla sağladığı performans artışı analiz edilmiştir. Ayrıca, bileşen çıkarma deneyleri aracılığıyla getirmeli destekli üretim katmanının ve az atışlı öğrenme katmanının model başarısına olan etkileri değerlendirilmiştir. Deneysel sonuçlara göre önerilen model; %63 doğruluk, %69 kesinlik, %63 duyarlılık ve %63 F1-skoru değerlerine ulaşmıştır.

Özet (Çeviri)

Effort estimation is one of the important stages in software projects. Software teams base their planning and the commitments to their customers derived from estimated efforts. In traditional approaches of effort estimation, predictions are largely based on human judgment, which increases the likelihood of inaccurate effort estimates. Especially in agile software development processes, if the effort estimate of a user story is made incorrectly, this can reduce the project's success rate. Today, the advancement of large language models and the strong results achieved in the field of natural language processing (NLP) reveal the potential of these methods to provide fast and effective ways to estimate software effort from user stories. Within the scope of this study, an agent-based software requirement effort estimation model using NLP is proposed for agile software development processes. In this study, an agent-based model is proposed which performs classification over the user story based textual requirement data that is used in software development processes and is enhanced with retrieval augmented generation and few shot learning approaches.Various experiments were designed to examine the performance of the proposed model and the contributions of the components included in the model. A base large language model was used as the baseline comparison model, and the performance improvement provided by the proposed approach compared to this model was analyzed. In addition, through ablation experiments, the effects of the retrieval augmented generation layer and the few shot learning layer on the model's success were evaluated. According to the experimental results, the proposed model achieved 63% accuracy, 69% precision, 63% recall, and 63% F1-score values. These findings highlight the potential of agent-based large language model architectures for effort estimation from textual user story requirements in agile software development.

Benzer Tezler

  1. Tez No

    890346

    Predicting software size from requirements written in natural language: A generative AI approach

    Doğal dilde yazılmış gereksinimlerden yazılım boyutunu tahmin etme: Üretken yapay zekâ tabanlı bir yaklaşım

    DHIA EDDINE KENNOUCHE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ONUR DEMİRÖRS

  2. Tez No

    772459

    Seismic capacity of masonry arches optimally strengthened with fibre-reinforced polymer: Experimental and numerical investigation

    Lif takviyeli polimer ile optimum olarak güçlendirilen yığma kemerlerin sismik kapasitesi: Deneysel ve sayısal araştırma

    İSMAİL HAKKI TARHAN

    Doktora

    İngilizce

    İngilizce

    2022

    İnşaat MühendisliğiAtatürk Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HABİB UYSAL

    PROF. DR. PAULO BARBOSA LOURENCO

  3. Tez No

    826426

    Dynamic numerical analysis of typical monopile foundations for offshore wind turbine applications

    Deniz rüzgar türbini uygulamaları için tipik tek kazıklı temellerin dinamik sayısal analizi

    ABDUH KIWANUKA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İnşaat MühendisliğiMersin Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR LÜTFİ ERTUĞRUL

  4. Tez No

    856801

    Yazılım sektöründe zihinsel iş yükünü dikkate alan işgücü planlama problemi: Bir vaka çalışması

    The investigation of the workforce planning problem considering the mental workload in the software industry: A case study

    HATİCE BALOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURCU YILMAZ KAYA

  5. Tez No

    316457

    Kablosuz algılayıcı ağlarda enerji korunumlu iletişim teknikleri

    Energy conservative communication techniques in wireless sensor networks

    TANER ÇEVİK

    Doktora

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. A. HALİM ZAİM

Geri Dön