محققان در مطالعه جدیدی، مدل نوآورانه «SR-BERT» را معرفی کردهاند که با استفاده از تکنیکهای یادگیری انتقالی (Transfer Learning) و معماریهای مبتنی بر ترنسفورمر (مثل Sentence-BERT)، به طور خودکار تداخلات و موارد تکراری در مستندات نیازمندیهای نرمافزاری را شناسایی میکند. این ابزار با افزایش دقت و سرعت در تحلیل نیازمندیها، گام بزرگی برای خودکارسازی و بهینهسازی فرآیندهای پیچیده مهندسی نرمافزار برداشته است.
این تحقیق نشان میدهد که ترکیب روشهای کلاسبندی جفتجملات و استراتژیهای پیشرفته NLP میتواند به توسعهدهندگان کمک کند تا از بروز خطاهای پرهزینه در مراحل اولیه پروژه جلوگیری کنند. 💡
منبع: arXiv Machine Learning