LLM-basierte Klassifikation von Quelltextelementen hinsichtlich ihrer Anliegen
| Typ | Masterarbeit | |
|---|---|---|
| Aushang | Code Class MA.pdf | |
| Betreuer | Wenden Sie sich bei Interesse oder Fragen bitte an: Tobias Hey (E-Mail: hey@kit.edu, Telefon: +49-721-608-44765) |
Motivation
Eine der größten Herausforderungen für das Wiederherstellen von Nachverfolgbarkeitsverbindungen (engl.: Traceability Link Recovery, TLR) ist das Eingrenzen des Suchraums. In vorangehenden Arbeiten konnte gezeigt werden, dass ein Filtern von Anforderungen auf Basis der enthaltenen funktionalen Anliegen (bspw. Funktion, Verhalten und Daten) vorteilhaft für die TLR sein kann. Aktuelle LLMs sind in der Lage, diese Informationen mit hoher Genauigkeit in Anforderungen zu identifizieren.
Könnte man ebenso die Anliegen verschiedener Quelltextteile automatisch bestimmen, ließe sich der Suchraum für automatische TLR-Verfahren zwischen Anforderungen und Quelltext, wie z.B. FTLR, weiter verringern und dadurch ihre Leistung steigern.
Aufgabenstellung
- Entwickeln eines LLM-basierten Ansatzes zur automatischen Klassifikation von funktionalen Anliegen in Quelltextelementen
- Integration der Information in bestehende(s) TLR-Verfahren (FTLR)