Logo des Repositoriums
 

SIENA: Sprachmodellbasierte Identifikation und Extraktion von Nutzeranforderungen

dc.contributor.authorZwanzig, Dorian
dc.contributor.authorKahl, Anja
dc.contributor.authorDietrich, Ute
dc.contributor.editorKlein, Maike
dc.contributor.editorKrupka, Daniel
dc.contributor.editorWinter, Cornelia
dc.contributor.editorWohlgemuth, Volker
dc.date.accessioned2023-11-29T14:50:27Z
dc.date.available2023-11-29T14:50:27Z
dc.date.issued2023
dc.description.abstractIn diesem Artikel wird eine innovative Methode zur Identifikation und Extraktion von Nutzeranforderungen aus natürlichsprachlichen Quellen präsentiert. Als Ausgangsbasis dient uns eine Fallstudie zur Entwicklung einer Fachanwendung für Physiotherapeuten. Die Methode nutzt OpenAI's Generative Pretrained Transformer (GPT) Modelle und deren Fähigkeit zur Verarbeitung natürlicher Sprache. Eine quantitative Analyse wurde durchgeführt, um die Wirksamkeit dieser Sprachmodelle bei der Anforderungsanalyse zu bewerten. Die Ergebnisse zeigen deutlich, dass die verwendeten GPT-Modelle eine effektive und kostengünstige Unterstützung bei der Anforderungsanalyse sein können.de
dc.identifier.doi10.18420/inf2023_23
dc.identifier.isbn978-3-88579-731-9
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/43141
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofINFORMATIK 2023 - Designing Futures: Zukünfte gestalten
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-337
dc.subjectAnforderungsanalyse
dc.subjectNutzeranforderungen
dc.subjectKünstliche Intelligenz
dc.subjectSprachmodell
dc.subjectChatGPT
dc.subjectLarge Language Model
dc.subjectNatürliche Sprache
dc.titleSIENA: Sprachmodellbasierte Identifikation und Extraktion von Nutzeranforderungende
dc.typeText/Conference Paper
gi.citation.endPage263
gi.citation.publisherPlaceBonn
gi.citation.startPage253
gi.conference.date26.-29. September 2023
gi.conference.locationBerlin
gi.conference.sessiontitleBildung - Interdisziplinäres Forschen und Lernen in der Ingenieurinformatik

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
02_03_07_Zwanzig.pdf
Größe:
290.7 KB
Format:
Adobe Portable Document Format