摘要:软件组织内部智慧资产的有效组织和管理(4)
2013-06-07 01:23
导读:4)比较类的权重,将文本分到权重最大的那个类别中。 4实验结果我们对本文提出的知识分类算法进行了实验验证,选用的数据集包括:(1)用手工方式创建
4)比较类的权重,将文本分到权重最大的那个类别中。
4实验结果我们对本文提出的知识分类算法进行了实验验证,选用的数据集包括:(1)用手工方式创建的数10项过程经验和个人技能;(2)SWEBOK中所给出的169篇参考文献、NASAC2004(全国软件与应用学术会议)的197篇
以及从美国CMU大学提供了935篇计算机科研论文数据,算法性能的评价则采用精确度和召回率以及结合两者的FlMeasure。
对于训练集和测试集的选择,其方法如下:将这些数据集按照所属类别进行手工分类,然后平均分成十份,选择其中九份作为训练集,选择其中一份作为测试集。运行分类算法,共执行10次分类操作,计算其平均值,实验结果如表1所示。
知识类型准确率召剧率FI度量过程经验100% 100% 100%个人技能100% 100% 100%知识制品879%8208%84.38%观察表1的结果数据,我们可以发现过程经验和个人技能的分类准确率、召回率和F1度量值都很高(皆为100%)。
通过定性分析我们可以得知产生这种现象的原因:这两种类型的软件工程知识皆采用了直接映射的分类算法。输出很好的分类效果是必然的。对于知识制品来说,它的F1度量值也超过了84%.这表明以SWEBOK为骨干分类树来进行软件工程知识的组织和分类是可行,旦采用文本分类算法进行知识制品的分类也是行之有效的。
5结论
软件组织内部智慧资产的有效组织和管理仍旧是一个开放的课题,就目前来看尚未有一个银弹(Silver Bullet)以解决这个问题。本文的创新之处就在于将文本分类技术引入到软件工程领域。以SWEBOK作为骨干分类体系,为软件工程知识的自动分类提供了一种新的解决途径,并通过实验验证了所提出的模型和算法的有效性。
事实上,文本分类的技术和方法是通用的,本文提出的模型和算法也是通用的,如果我们将SWEBOK骨干分类体系换作其他领域的分类体系,将过程经验模板和个人经验模板换作其他模板,则可以构造一个面向其他领域的知识分类器。
(转载自http://zw.nseac.coM科教作文网)
就软件组织来说,其内部智慧资产的规模远没有Web上的资源那样巨大。但是它对分类的准确率和召回率的要求却非常高。就目前来说,改进算法仍然是提高分类准确率和召回率的最为有效的途径。因此,我们下一步的工作就是通过引入更为综合的特征赋权函数、改进特征选择算法和通过对领域知识的运用以改进分类算法等,来迸~步提高其分类的性能。此外,在更大规模知识集上的训练和测试也是我们努力的方向。