• <button id="gwc09"><acronym id="gwc09"></acronym></button>

  • <rp id="gwc09"></rp>

    <th id="gwc09"><track id="gwc09"></track></th>
    010-82146680
    首頁
     

    造價師/評估師培訓:010-82146681

    聯盟會員/機構評定:010-82146682

    業務合作咨詢:010-82586972

    E-mail:bscea@bscea.org

     

    技術文章

    【技術前沿】人工智能技術在預算合理性評估及IT資產管理領域探索實踐

    點擊:時間:2019-09-27

    5d8d699a33c70.jpg

    北京軟件造價評估技術創新聯盟 李培圣

     

     

      在2019全球軟件產業發展高峰論壇上, 工業和信息化部部長苗圩發表演講時指出,軟件是新一代信息技術的靈魂,引領新一輪科技創新的群體突破,是制造強國和網絡強國建設的關鍵支撐。但我國軟件行業發展也面臨著不少的困難和挑戰,比如軟件產業既不大也不強,缺乏具有國際競爭力的龍頭企業。軟件價值失衡的現象在社會上還比較明顯,人才結構性的短缺問題比較突出等等。在會議中,提到未來工信部重點發展五方面內容,其中強調需要優化軟件產業環境,推廣軟件價值評估規范,完善軟件價值評估機制,引導各地積極開展軟件成本度量標準的試點,建立健全軟件工程、軟件評測、軟件質量保障等第三方的服務體系,持續加大知識產權的保護力度。

      在行業發展過程中如何公允、透明地度量軟件開發成本,是一個長期困擾軟件開發方和應用方的問題。傳統方式管理需求依據是相關人員的經驗判定。人工管理項目需求說明書效率低,成本高,沒有數據積累很難對項目進行全面把握。

      現階段隨著人工智能、機器學習技術的興起,可以利用自然語言處理、數據挖掘、深度學習等技術,探索從已識別的功能點計數文檔中抽取特征,建立分析框架,形成功能點輔助審核規則。從功能點計數項中識別出系統的主要功能項及其類別,通過建立文本分析能力,降低大量人工審核工作量,提高預算管理的效率。


    人工智能輔助軟件預算管理應用實踐

     

    5d8d6aa79bc4b.jpg

    圖 1 管理平臺模型方案


      依據國家行業標準 GB∕T 36964-2018《 軟件工程 - 軟件開發成本度量規范》,結合相關基準數據,通過軟件項目需求數據積累,建功能點輔助識別/審核技術,對軟件需求進行綜合管理,幫助企業更好的實現量化預算管理,提高工作效率,系統主要有以下幾個 方面特點:
      1.功能點輔助計數/審核

     

    5d8d6af28ac83.jpg

    圖 2 功能點輔助識別


      通過分析現有的需求文檔,利用自然語言處理、數據挖掘、機器學習等技術建立功能點輔助識別/審核模型,降低人工分析需求說明書的工作量和耗費,提高功能點審核效率,保證輸入數據的質量 ,為后續分析做好準備 。

     

    5d8d6b42dd78e.jpg

    圖3 功能點輔助審核


      2.多維度需求管理

      建立需求文檔完整性自動分析的能力,通過相關規則約束,自動評估需求中描述的功能點是否完整,確保項目需求描述的完整性,提高軟件需求質量。對企業需求進行全局管理:當系統中功能需求發生變更時,借助積累的企業數據分析、智能分析項目預算成本、預計項目工期等相關要素,提高項目量化管理過程 。

     

    5d8d6b7760ad4.jpg

    圖 4 項目需求管理


      3.智能軟件成本評估

      結合行業及企業數據模型,針對不同項目非功能要求,對軟件項目成本、工期進行智能評估,分析項目資源投入情況,軟件總體質量等相關管理要素,幫助管理者從宏觀層面全面掌握項目情況,對項目風險提前進行管理 。

     

    5d8d6bc49d8f1.jpg

    圖 5 軟件成本評估



    主要技術方案

      人工智能技術在預算合理性評估及IT資產管理領域的探索實踐是伴隨著機器學習技術的進步,利用自然語言處理、數據挖掘、深度學習等技術,探索從數據工程 , 特征工程, 數據挖掘幾個方面對軟件原始需求進行處理,建立功能建立分析框架,形成功能點輔助審核規則,從功能點計數項中識別出系統的主要功能點項及其類別。通過建立文本分析能力,降低大量人工審核工作量,提高需求管理的效率。

     

    5d8d6bff53096.jpg

    圖6 人工智能識別技術方案


      1. 技術路線圖設計


      ①數據工程
      首先,從已計數的功能點計數文件中識別相關信息。主要方法是通過讀取功能點計數項信息,結合預制審核模型,輔助建立數據模型。

      此外,利用自然語言處理和數據挖掘技術,識別出各個模塊描述中所有的名詞、名詞短語、動名詞短語。并以此為基礎,建立ILF,EI,EQ三種類型的候選集。

      ②特征工程

      數據和特征決定了機器學習的上限,數據是信息的載體,但是原始的數據包含了大量的噪聲,信息的表達也不夠簡練。因此,特征工程的目的,是通過一系列的工程活動,將這些信息使用更高效的編碼方式(特征)表示。使用特征表示的信息,信息損失較少,原始數據中包含的規律依然保留。此外,新的編碼方式還需要盡量減少原始數據中的不確定因素的影響。特征在很大程度上決定了機器學習應用的成敗,因為模型的質量直接由特征決定。特征可被視為一種易于在任意實例上度量的測度。按照集合論的觀點,特征本質上是一個從實例空間到由特征的值所構成的集合(即特征的域)的映射。

      因此,在本項目中,盡可能多的提取候選集元素的特征,是項目工作的難點和重心。探索從以下幾個方面提取數據的特征,包含其出現的位置、與模塊名稱的相似度、模塊內詞頻、文檔內詞頻等等。

      ③數據挖掘工程

      本階段是一種透過數理模式來分析企業內儲存的大量資料,以找出不同的關鍵詞劃分,分析出功能點項的方法,是數據庫知識發現中的一個步驟。數據挖掘一般是指從大量的數據中自動搜索隱藏于其中的有著特殊關系性的信息的過程。

      在使用數據挖掘的技術建立了模型后,需要用實際數據對模型進行測試和驗證。本項目擬采用準確率Precision、召回率Recall等推薦系統常用評價指標,來驗證各個預測模型的有效性。準確率和召回率是廣泛用于信息檢索和統計學分類領域的兩個度量值,用來評價結果的質量。

      2.關鍵技術

      ①數據工程階段關鍵技術:

      ●模型語料標注

      模型語料標注是中文分詞技術基礎工作,屬于自然語言處理技術范疇,對于一句話,通過自己的知識來明白哪些是詞,哪些不是詞,在需求文檔中哪些可以識別為功能項,在數據工程階段需要人工進行確認,只有達到標注一定數量的樣本后,才能進行機器學習,進行模型訓練 。

     

    5d8d6c929bee5.jpg

    圖7 數據標注流程

       ②特征工程階段關鍵技術:

      ●自然語言理解技術

      自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理,實現人機間自然語言通信,或實現自然語言理解和自然語言生成比較困難,造成困難的根本原因是自然語言文本和對話的各個層次上廣泛存在的各種各樣的歧義性或多義性。

      依存句法是將句子分析成一顆依存句法樹,描述出各個詞語之間的依存關系。也即指出了詞語之間在句法上的搭配關系,這種搭配關系是和語義相關聯的。使用句法結構作為語義解釋的第一步;識別短語語塊,為信息檢索系統的索引服務;構建一個概率句法分析器作為一個優于n元語法的語言模型。這些問題的共同目標是構建這樣的一個系統:對于任意的句子都能夠主產生證明有用的結構,也就是要構建一個句法分析器。 

      ●數據挖掘算法

      數據挖掘算法是根據數據創建數據挖掘模型的一組試探法和計算。 為了創建模型,算法將首先分析您提供的數據,并查找特定類型的模式和趨勢。常見的數據算法有:CART決策樹、SVM支持向量機、EM期望最大化 、K-Means聚類算法等。

      3.軟件評估模型

      通常企業評估軟件成本都是依據專家經驗進行評估,通過持續數據積累,可以借助機器學習工具建立軟件企業軟件成本評估模型。通過考慮綜合的模型來評價需求的質量,軟件規模大小,非功能影響因素(項目應用領域、質量要求、可靠性要求、安全因素)等要素,建立一個綜合的評價模型的需求,并持續監控模型的有效性,整體解決方案,可以參考下圖:

     

    5d8d6cf015873.jpg

    圖 8 軟件成本評估模型


      我們采用四個步驟迭代地構建和改進企業綜合的評估模型。

      第一,采集企業度量指標。根據目前企業采用的質量分析工具,例如功能點方法,結合行業基準數據,進行生產率測算,通過行業標準對指標進行分析,并識別出企業重點關注的維度和指標。

      第二,定義成本評估模型。根據各個指標的等級評定結果,設計出各個指標的參數,并結合企業的關注點,定義出綜合的質量值計算模型,例如:

     

    5d8d6d1b8664e.jpg


      第三,相關系數調整:在使用模型考察評估結果的時候,往往存在某一些項目非功能性因素是項目成功的關鍵因素,為了更加公平的評價結果,采用非功能因素作為調整因子。

      第四,持續改進。結合實際的項目成本評估結果,對模型進行不斷的校驗,在經過不斷的迭代后,最終得到符合企業需要,并且能滿足企業評估分析、監控要求,提高項目管理水平,降低項目實施風險 。

      隨著訓練數據的逐步積累,人工智能技術在預算合理性評估及IT資產管理的效率會越來越高,可以有效幫助相關管理人員減少工作強度,提高工作效率,在實際工作中發揮更為重要的作用。(文/北京軟件造價評估聯盟 李培圣 以上內容轉自 金融電子化 微信公眾號。)

    相關新聞
     
    關閉
    010-82146680
    日本老熟妇50岁丰满,国产成人精品一区二区秒拍,破女高中生处流血视频,奇米777四色精品综合影院