دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Extracting Domain Models from Natural-Language Requirements: Approach and Industrial Evaluation
دانلود کتاب استخراج مدلهای دامنه از الزامات زبان طبیعی: رویکرد و ارزیابی صنعتی
مشخصات کتاب
Extracting Domain Models from Natural-Language Requirements: Approach and Industrial Evaluation
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Chetan Arora, Mehrdad Sabetzadeh, Lionel Briand, Frank Zimmer سری: ناشر: سال نشر: 2016 تعداد صفحات: 11 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 47,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب استخراج مدلهای دامنه از الزامات زبان طبیعی: رویکرد و ارزیابی صنعتی: استخراج مدل، الزامات زبان طبیعی، پردازش زبان طبیعی، پژوهش موردی
در صورت تبدیل فایل کتاب Extracting Domain Models from Natural-Language Requirements: Approach and Industrial Evaluation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استخراج مدلهای دامنه از الزامات زبان طبیعی: رویکرد و ارزیابی صنعتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب استخراج مدلهای دامنه از الزامات زبان طبیعی: رویکرد و ارزیابی صنعتی
مدل سازی دامنه گام مهمی در گذار از الزامات زبان طبیعی با مشخصات دقیق برای سیستم های بزرگ، ساختن مدل دامنه به صورت دستی کار پر زحمتی است وظیفه. چندین رویکرد برای کمک به مهندسان وجود دارد این وظیفه، به موجب آن عناصر مدل دامنه کاندید هستند به طور خودکار با استفاده از پردازش زبان طبیعی استخراج می شود (NLP). علیرغم کارهای موجود بر روی استخراج مدل دامنه، جنبه های مهم هنوز مورد بررسی قرار نگرفته اند: (1) وجود دارد شواهد تجربی محدود در مورد سودمندی موجود قوانین استخراج (اکتشافی) زمانی که در تنظیمات صنعتی اعمال می شود. (2) قوانین استخراج موجود به اندازه کافی مورد بهره برداری قرار نمی گیرند وابستگی های زبان طبیعی شناسایی شده توسط NLP مدرن فناوری ها؛ و (3) دسته مهمی از قوانین توسعه یافته است توسط جامعه بازیابی اطلاعات برای استخراج اطلاعات برای ساخت مدل های دامنه استفاده نشده باقی می ماند. با انگیزه پرداختن به محدودیت های فوق، ما توسعه می دهیم یک استخراج کننده مدل دامنه با کنار هم قرار دادن استخراج موجود قوانین در ادبیات مهندسی نرم افزار، گسترش یافته است این قوانین با قوانین تکمیلی از اطلاعات ادبیات بازیابی، و پیشنهاد قوانین جدید برای بهتر بهره برداری از نتایج به دست آمده از وابستگی مدرن NLP تجزیه کننده ها ما استخراج مدل خود را به چهار صنعتی اعمال می کنیم اسناد مورد نیاز، گزارش در فرکانس مختلف قوانین استخراج اعمال می شود ما یک کارشناس را هدایت می کنیم یکی از این اسناد را مطالعه کنید و صحت آن را بررسی کنید و اثربخشی کلی استخراج کننده مدل دامنه ما.
توضیحاتی درمورد کتاب به خارجی
Domain modeling is an important step in the transition from natural-language requirements to precise specifications. For large systems, building a domain model manually is a laborious task. Several approaches exist to assist engineers with this task, whereby candidate domain model elements are automatically extracted using Natural Language Processing (NLP). Despite the existing work on domain model extraction, important facets remain under-explored: (1) there is limited empirical evidence about the usefulness of existing extraction rules (heuristics) when applied in industrial settings; (2) existing extraction rules do not adequately exploit the natural-language dependencies detected by modern NLP technologies; and (3) an important class of rules developed by the information retrieval community for information extraction remains unutilized for building domain models. Motivated by addressing the above limitations, we develop a domain model extractor by bringing together existing extraction rules in the software engineering literature, extending these rules with complementary rules from the information retrieval literature, and proposing new rules to better exploit results obtained from modern NLP dependency parsers. We apply our model extractor to four industrial requirements documents, reporting on the frequency of different extraction rules being applied. We conduct an expert study over one of these documents, investigating the accuracy and overall effectiveness of our domain model extractor.
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Machine learning and data mining : introduction to principles and algorithms
دانلود کتاب Learning SPARQL
دانلود کتاب New Approaches to Characterization and Recognition of Faces
دانلود کتاب The Hitch-Hicker's Guide to Artificial Intelligence
دانلود کتاب Computing meaning, vol.1
دانلود کتاب Speech and Language Technologies
دانلود کتاب Semantic Role Labeling (Synthesis Lectures on Human Language Technologies)
دانلود کتاب Formal Methods in Artificial Intelligence
دانلود کتاب Основні поняття теорії штучного інтелекту
