طبقه بندی نیازمندی ‏های نرم‏افزار بر اساس منطق فازی و شبکه‏ های عصبی

در طبقه‌بندی نیازمندی‏ های نرم‌افزار به تیم‌های توسعه و مدیریت کمک می‌کند تا نیازمندی‌ها را به شکلی سازمان‌یافته مدیریت کنند، که این امر منجر به شناسایی نیازمندی‏های حیاتی، افزایش کیفیت نرم‌افزار، بهینه‌سازی زمان و هزینه، و در نتیجه افزایش رضایت کاربران و ذی‌نفعان می‌شود. این طبقه‌بندی که به دو دسته تابعی و غیرتابعی انجام می‌شود، به تیم توسعه امکان می‌دهد تا بهترین راه‌حل‌ها را برای هر دسته ارائه دهد و نقاط ضعف را بهبود بخشد. در این مقاله، یک رویکرد برای طبقه‌بندی نیازمندی‏های نرم‌افزاری بر اساس نیازمندی‏های تابعی و غیر تابعی با استفاده از معیار شباهت فازی و شبکه‌های عصبی ارائه شده است. این روش از مجموعه داده‌های متنی نیازمندی‏ های نرم‌افزار برای تحلیل و شناسایی نیازمندی‌ها استفاده می‌کند. در این روش، علاوه بر استفاده از شبکه‌های عصبی عمیق، روش‌های طبقه‌بندی دیگری نیز با استفاده از داده‌های آموزشی مهیا شده توسط معیار شباهت فازی پیاده‌سازی شده است. نتایج نشان می‌دهد که مقادیر میانگین معیارهای ارزیابی شامل دقت با 91.8%، حساسیت با 93.2%، صحت با 88.4% و معیار f با 90.7%، برای روش پیشنهادی نسبت به سایر روش‏ های طبقه بندی و همچنین نسبت به روش‌های پیشین، بهبود چشمگیری داشته است.