面向机器学习系统的需求建模与决策选择

• 作者: 左春 杨立 梁赓 江华禧 马佳佳 马肖肖
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 机器学习系统 需求建模 非功能需求 元模型 决策选择
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 复杂系统的软件工程和需求工程
• 页码范围: 42-49
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.201200021

摘要

机器学习支撑的系统应用越来越普遍,但是此类系统的需求通常难以表达完整且可能存在一些难以检测的冲突,使得这些系统通常无法在生产环境中高效满足用户的综合需求.此外,对于在实际场景中使用的机器学习系统,用户信任通常取决于包含可解释性、公平性等非功能需求在内的综合需求的满足程度,且在不同领域内应用机器学习通常有特定的需求,为保证需求描述的质量及实施过程的决策带来了挑战.为解决以上问题,文中提出了一个机器学习系统的需求建模和决策选择框架,包括一个 MLS(Machine Learning Systems)需求概念模型和机器学习管道过程元模型,以及对训练数据集、算法等组件的决策选择方法,旨在规范实际场景中机器学习系统的需求设计、开发和评估.实例研究表明,提出的 MLS需求描述和实现方法是可行且有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左春	中国科学院软件研究所	71	1027	18.0	29.0
2	杨立	中国科学院软件研究所	7	82	4.0	7.0
3	梁赓	中国科学院软件研究所	7	37	2.0	6.0
4	马肖肖	中国科学院软件研究所	3	3	1.0	1.0
5	马佳佳	中国科学院软件研究所	1	0	0.0	0.0
6	江华禧	中国科学院软件研究所	1	0	0.0	0.0