CN117635243B - 一种大语言模型赋能的智能化软件造价评估方法及系统 - Google Patents
一种大语言模型赋能的智能化软件造价评估方法及系统 Download PDFInfo
- Publication number
- CN117635243B CN117635243B CN202311587409.3A CN202311587409A CN117635243B CN 117635243 B CN117635243 B CN 117635243B CN 202311587409 A CN202311587409 A CN 202311587409A CN 117635243 B CN117635243 B CN 117635243B
- Authority
- CN
- China
- Prior art keywords
- language model
- paragraphs
- large language
- software
- document
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006870 function Effects 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000873 masking effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 6
- 238000007710 freezing Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Machine Translation (AREA)
Abstract
本发明公开了一种大语言模型赋能的智能化软件造价评估方法及系统，方法包括：对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落及其对应的功能点细则明细；将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；将文档段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出，基于功能点输出进行智能化软件造价评估。本发明最大程度减少人工干预，提高效率，降低错误率。
Description
技术领域
本发明涉及计算机科学、人工智能和软件工程技术领域，更具体的说是涉及一种大语言模型赋能的智能化软件造价评估方法及系统。
背景技术
软件造价估算是从用户视角出发，通过量化系统功能、以及系统的逻辑设计来度量软件的规模，进而估算得到软件的造价。
现有的软件造价评估系统存在以下问题：
问题一：传统方法过于依赖专业软件造价工程师，耗费大量时间和资源，容易导致分析结果因个体差异而不稳定。
首先，专业依赖性使得软件造价评估变得不稳定。因为不同工程师可能有不同的解释、经验和方法，导致了在相似项目上得出不一致的结果。这使得评估结果缺乏可重复性和可比性，给项目管理和决策带来了困难。
其次，专家依赖性也增加了项目的时间和资源成本。由于只有少数专家能够执行这项任务，他们的时间变得极为有限，这可能导致延迟和排队等问题，造成高昂的时间、资源成本。
问题二：评估系统整体自动化智能化程度较低，存在误判或遗漏关键功能点的风险。
首先，现有方法的自动化程度相对不足。大多数关键步骤仍然需要大量人工介入，包括批量需求文档的读取，软件功能点的人工提取和分类导出。这导致了评估流程的低效性，同时增加了时间和资源成本，且容易引入人为不可控的错误。
其次，现有基于简单机器学习评估系统的智能程度有限。它们通常缺乏足够的自然语言处理和深度学习能力，无法深刻理解需求文档的语境和隐含信息。因此，系统常常难以准确识别文档中的潜在信息和关键功能点，这增加了误判和遗漏关键信息的风险。
再者，评估过程缺乏系统化的流程和方法论。缺乏统一的标准和流程，不同的软件造价专业工程师对于标准的理解不同，导致评估结果的不一致性，难以统一化评价。
因此，如何提高软件造价评估过程的效率以及评估准确性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种大语言模型赋能的智能化软件造价评估方法及系统，提供了端到端自动化流程，最大程度减少人工干预，提高效率，降低错误率。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供了一种大语言模型赋能的智能化软件造价评估方法，包括：
S1：对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落及其对应的功能点细则明细；
S2：将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；
S3：将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出；
S4：基于功能点输出进行智能化软件造价评估。
优选地，所述S1具体包括：
S101：依照应用区域边界对软件的应用文档进行段落划分，获得文档段落；
S102：将文档段落作为问答对数据的输入，对文档段落进行人工标注，输出文档段落对应的功能点细则明细。
优选地，所述S2具体包括：
S201：将prompt融合到未训练的大语言模型的history中并进行参数冻结；
S202：将文档段落及其对应的功能点细则明细拼接成字符串后，对功能点细则进行掩码后输入至大语言模型中，依次通过多头掩码注意力模块、归一化神经网络层、神经网络前馈层、归一化神经网络层和线性层输出功能点分类；
S203：通过transformer模块将功能点分类和对应的功能点细则明细进行损失比较，直至损失函数满足要求。
优选地，所述S3具体包括：
S301：将软件的应用文档根据段落标点的代表语义终止的字符进行段落切分，生成相应的字符串文本段落；
S302：将字符串文本段落进行批处理并行输入至训练后的大语言模型中进行推理；
S303：将大语言模型的推理输出与字符串文本段落匹配配对，获得功能点输出。
优选地，功能点输出包括功能点类别及其对应的内容，功能点类别具体为功能点规模估计参数。
优选地，所述S4具体包括：
S401：通过字符串文本段落定位该字符串文本段落在软件的应用文档中的位置，将字符串文本段落定位对应的功能点类别与软件的应用文档关联；
S402：在线修改和新增功能点条目；
S403：实时生成软件造价条目。
第二方面，本发明提供了一种大语言模型赋能的智能化软件造价评估系统，包括：
数据处理模块：用于对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落，及其对应的功能点细则明细；
大语言模型模块：用于将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；
推理模块：用于将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出；
造价评估模块：基于功能点输出进行智能化软件造价评估。
优选地，还包括：
可视化界面应用模块，用于信息可视化展示，包括功能点展示、修改和新增功能点条目展示以及软件造价条目展示。
第三方面，本发明提供了一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述一种大语言模型赋能的智能化软件造价评估方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述一种大语言模型赋能的智能化软件造价评估方法的步骤。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种大语言模型赋能的智能化软件造价评估方法及系统，通过大语言模型并进行了垂直领域微调、引入特定化prompt，提高了模型的智能化水平，进而提高了对软件功能点的准确提取和识别能力，通过并行化处理方式显著提升了模型的推理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的大语言模型赋能的智能化软件造价评估方法流程图。
图2为本发明提供的大语言模型训练过程示意图。
图3为本发明提供的另一实施例中推理过程以及造价评估过程示意图。
图4为本发明提供的大语言模型赋能的智能化软件造价评估系统框图。
图5为本发明提供的另一实施例中大语言模型赋能的智能化软件造价评估系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种大语言模型赋能的智能化软件造价评估方法，如图1所示，包括：
S1：对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落及其对应的功能点细则明细；其中问答对为JSON格式文件；
S2：将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；
S3：将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出，功能点输出包括功能点类别(功能点规模估计参数)及参数对应的内容，功能点规模估计参数包括ILF、EIF、EI、EO和EQ；这里需要说明的是，S3中的应用文档与S1中的应用文档不同，S3是实际应用时的软件应用文档，而S1是训练大语音模型时应用的文档。
S4：基于功能点输出进行智能化软件造价评估。
相较于传统机器学习方法，本发明大语言模型融合了更丰富的先验知识，并进行了垂直领域微调、引入特定化prompt，通过两者融合的方式进一步提高了模型的智能化水平，使得模型的表现相当于专业的软件造价评估师，极大地提高了对软件功能点的准确提取和识别能力。
通过并行处理方式可以同时处理多个文档，从而显著提高了应用文档分析的效率。
基于上述实施例，本实施例中，对S1具体实现过程进行说明，包括：
S101：依照应用区域边界对软件的应用文档进行段落划分，获得文档段落；
S102：将文档段落作为问答对数据的输入，对文档段落进行人工标注，输出文档段落对应的功能点细则明细。
上述过程中选用了不同类型的软件应用文档，以确保覆盖各种领域和复杂性的内容，有助于确保垂直领域大语言模型能够胜任更广泛的任务，整个过程共计生成10000条左右的问答对，作为微调垂直领域大语言模型的数据基础。
本发明通过上述方法深度挖掘了软件造价领域的人工标注数据，通过将软件应用文档按照不同软件应用领域进行分类整理，实现了有针对性的大语言模型微调训练，以满足不同行业软件造价领域的需求，提高了模型的领域专业性和准确性。
基于上述实施例，本实施例中，具体公开了S2具体步骤，如图2所示：
S201：将prompt融合到未训练的大语言模型的history中并进行参数冻结；具体的，冻结参数指的是将prompt融合到模型的history里面，每次调用的模型就是已经加过prompt作为history的模型参数，将这个冻结后直接调用。
S202：将文档段落及其对应的功能点细则明细拼接成字符串后，对功能点细则进行掩码后输入至大语言模型中，依次通过多头掩码注意力模块、归一化神经网络层、神经网络前馈层、归一化神经网络层和线性层输出功能点分类；
S203：通过transformer模块将功能点分类和对应的功能点细则明细进行损失比较，并利用梯度下降法针对网络做参数更新。循环迭代S201～S203，直至损失函数满足要求。
其中，大语言模型采用了Transformer架构，在微调训练过程中，利用了上述的标注问答对，将其输入到大语言模型中，从而为模型提供领域专业性的知识。微调的过程是通过多轮迭代完成的。模型不仅重新整合了输入的问答对，还生成了掩码，用于预测文本中的单词。这一过程持续进行，直到损失函数降低到合理范围内，以确保模型输出的问答序列与输入序列的相似度最高。在微调的每一轮迭代中，优化算法如梯度下降被充分利用，以不断更新模型的参数。最后将迭代更新完成的模型参数进行冻结，从而生成在软件造价领域表现更为专业的垂直领域大语言模型，以便完成智能化软件功能点提取分类任务。
基于上述实施例，本实施例中，S3具体步骤为：
S301：将软件的应用文档根据段落标点的代表语义终止的字符进行段落切分，生成相应的字符串文本段落；这里需要说明的是，S301步骤与S101步骤不同，S101是人工标注的过程，人工分析软件需求文档的功能边界，进行人工边界划分；S301中是应用训练好的模型识别功能点，是根据传统算法进行段落语句切分。
S302：将字符串文本段落进行批处理并行输入至训练后的大语言模型中进行推理；
S303：将大语言模型的推理输出与字符串文本段落匹配配对，获得功能点输出。
基于上述实施例，本实施例中，如图3所示，S4具体包括：
S401：通过字符串文本段落定位该字符串文本段落在软件的应用文档中的位置，将字符串文本段落定位对应的功能点类别与软件的应用文档关联；
S402：在线修改和新增功能点条目；
S403：实时生成软件造价条目。
本发明通过返回的输入切分文档段，精确定位到这些文本段落在初始软件的应用文档中的位置，并将大型模型输出的功能点类别与初始软件的应用文档关联起来。这一过程通过可视化界面以“注释”的方式展示，使软件造价工程师能够审批和审查模型推理的功能点，同时支持在线修改和新增功能点条目。软件造价工程师可以在复核过程中实时更新模型推理的功能点条目，软件造价工程师更新一个新的功能点时，整体软件造价成本也会随之更改。这提高了实时性，减少了人工重复工作的工作量。这里需要说明的是，当无需修改或新增功能点条目时不必执行S402步骤，按照顺序执行S401和S403即可。
一旦所有文档处理保存完毕，软件造价工程师处理后的应用文档将生成一个软件造价功能点细则条目，以便进行进一步的评估。此外，所有相关的功能点也会自动返回为新的问答对，并以JSON格式的数据存储到数据库中，以便后续用于进一步训练和优化大语言模型。这一流程极大地提高了处理效率和数据管理的便捷性。
本实施例提供了一种大语言模型赋能的智能化软件造价评估系统，如图4，包括：
数据处理模块：用于对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落，及其对应的功能点细则明细；
大语言模型模块：用于将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；
推理模块：用于将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出；
造价评估模块：基于功能点输出进行智能化软件造价评估。
对于本发明提供的一种大语言模型赋能的智能化软件造价评估系统的具体介绍请参照上述方法实施例，本发明在此不再赘述。
基于上述实施例，本实施例中，如图5所示，还包括：
可视化界面应用模块，用于信息可视化展示，包括功能点展示、修改和新增功能点条目展示以及软件造价条目展示等。
对于本发明提供的一种大语言模型赋能的智能化软件造价评估系统的具体介绍请参照上述方法实施例，本发明在此不再赘述。
本发明提供了一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上述大语言模型赋能的智能化软件造价评估方法的步骤。
对于本发明提供的一种计算机设备的介绍请参照上述方法实施例，本发明在此不再赘述。
本发明中的计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述大语言模型赋能的智能化软件造价评估方法的步骤。存储介质包括：移动存储设备、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不再赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种大语言模型赋能的智能化软件造价评估方法，其特征在于，包括：
S1：对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落及其对应的功能点细则明细；
S2：将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；
S3：将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出；
S4：基于功能点输出进行智能化软件造价评估；
所述S2具体包括：
S201：将prompt融合到未训练的大语言模型的history中并进行参数冻结；
S202：将文档段落及其对应的功能点细则明细拼接成字符串后，对功能点细则进行掩码后输入至大语言模型中，依次通过多头掩码注意力模块、归一化神经网络层、神经网络前馈层、归一化神经网络层和线性层输出功能点分类；
S203：通过transformer模块将功能点分类和对应的功能点细则明细进行损失比较，直至损失函数满足要求；
所述S4具体包括：
S401：通过字符串文本段落定位该字符串文本段落在软件的应用文档中的位置，将字符串文本段落定位对应的功能点类别与软件的应用文档关联；
S402：在线修改和新增功能点条目；
S403：实时生成软件造价条目。
2.根据权利要求1所述的一种大语言模型赋能的智能化软件造价评估方法，其特征在于，所述S1具体包括：
S101：依照应用区域边界对软件的应用文档进行段落划分，获得文档段落；
S102：将文档段落作为问答对数据的输入，对文档段落进行人工标注，输出文档段落对应的功能点细则明细。
3.根据权利要求1所述的一种大语言模型赋能的智能化软件造价评估方法，其特征在于，所述S3具体包括：
S301：将软件的应用文档根据段落标点的代表语义终止的字符进行段落切分，生成相应的字符串文本段落；
S302：将字符串文本段落进行批处理并行输入至训练后的大语言模型中进行推理；
S303：将大语言模型的推理输出与字符串文本段落匹配配对，获得功能点输出。
4.根据权利要求3所述的一种大语言模型赋能的智能化软件造价评估方法，其特征在于，功能点输出包括功能点类别及其对应的内容。
5.一种大语言模型赋能的智能化软件造价评估系统，其特征在于，包括：
数据处理模块：用于对软件的应用文档进行预处理，获取问答对数据作为训练数据，问答对数据包括文档段落，及其对应的功能点细则明细；
大语言模型模块：用于将文档段落及其对应的功能点细则明细输入至大语言模型中进行模型训练，并进行垂直领域微调以及引入特定化prompt，得到训练后的大语言模型；具体包括：
将prompt融合到未训练的大语言模型的history中并进行参数冻结；
将文档段落及其对应的功能点细则明细拼接成字符串后，对功能点细则进行掩码后输入至大语言模型中，依次通过多头掩码注意力模块、归一化神经网络层、神经网络前馈层、归一化神经网络层和线性层输出功能点分类；
通过transformer模块将功能点分类和对应的功能点细则明细进行损失比较，直至损失函数满足要求；
推理模块：用于将软件的应用文档进行段落划分获取字符串文本段落，将字符串文本段落进行批处理，并行输入至训练后的大语言模型中，获得功能点输出；
造价评估模块：基于功能点输出进行智能化软件造价评估，具体包括：
通过字符串文本段落定位该字符串文本段落在软件的应用文档中的位置，将字符串文本段落定位对应的功能点类别与软件的应用文档关联；
在线修改和新增功能点条目；
实时生成软件造价条目。
6.根据权利要求5所述的一种大语言模型赋能的智能化软件造价评估系统，其特征在于，还包括：
可视化界面应用模块，用于信息可视化展示，包括功能点展示、修改和新增功能点条目展示以及软件造价条目展示。
7.一种计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述一种大语言模型赋能的智能化软件造价评估方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述一种大语言模型赋能的智能化软件造价评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311587409.3A CN117635243B (zh) | 2023-11-27 | 2023-11-27 | 一种大语言模型赋能的智能化软件造价评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311587409.3A CN117635243B (zh) | 2023-11-27 | 2023-11-27 | 一种大语言模型赋能的智能化软件造价评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117635243A CN117635243A (zh) | 2024-03-01 |
| CN117635243B true CN117635243B (zh) | 2024-06-25 |
Family
ID=90019246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311587409.3A Active CN117635243B (zh) | 2023-11-27 | 2023-11-27 | 一种大语言模型赋能的智能化软件造价评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117635243B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113127060A (zh) * | 2021-04-09 | 2021-07-16 | 中通服软件科技有限公司 | 一种基于自然语言预训练模型（bert)的软件功能点识别方法 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6938007B1 (en) * | 1996-06-06 | 2005-08-30 | Electronics Data Systems Corporation | Method of pricing application software |
| KR20060047546A (ko) * | 2004-04-27 | 2006-05-18 | 가부시키가이샤 데이코쿠 데타 반쿠 | 소프트웨어 개발 공수 비용의 평가 장치 |
| US8418123B2 (en) * | 2005-08-31 | 2013-04-09 | Jastec Co., Ltd. | Software development production management system, computer program, and recording medium |
| JP2011096120A (ja) * | 2009-10-30 | 2011-05-12 | Optim Corp | ソフトウェア販売価格決定装置、方法、システム及びプログラム |
| CN109460908A (zh) * | 2018-10-29 | 2019-03-12 | 成都安美勤信息技术股份有限公司 | 软件工程的造价评估方法 |
| CN111143556B (zh) * | 2019-12-11 | 2023-08-29 | 平安银行股份有限公司 | 软件功能点自动计数方法、装置、介质及电子设备 |
| CN111274817A (zh) * | 2020-01-16 | 2020-06-12 | 北京航空航天大学 | 一种基于自然语言处理技术的智能化软件成本度量方法 |
| CN111369294B (zh) * | 2020-03-06 | 2023-06-23 | 中国铁塔股份有限公司 | 软件造价估算方法及装置 |
| US20220122025A1 (en) * | 2020-10-15 | 2022-04-21 | Acumen Labs Ltd. | Software development task effort estimation |
| CN112258234A (zh) * | 2020-10-27 | 2021-01-22 | 重庆菲迪克信息系统工程项目管理有限公司 | 一种基于功能点与人力成本软件系统造价评估模型 |
| CN112817561B (zh) * | 2021-02-02 | 2023-08-18 | 山东省计算中心（国家超级计算济南中心） | 软件需求文档的事务类功能点结构化抽取方法及系统 |
| CN113129057A (zh) * | 2021-04-16 | 2021-07-16 | 河南省信息咨询设计研究有限公司 | 软件造价信息的处理方法、装置、计算机设备及存储介质 |
| US20220382977A1 (en) * | 2021-05-26 | 2022-12-01 | The MITRE Coporation | Artificial intelligence-based engineering requirements analysis |
| CN114266588A (zh) * | 2021-08-25 | 2022-04-01 | 胥瓷信息科技(苏州)有限公司 | 信息化造价评估系统 |
| CN115796906A (zh) * | 2022-11-16 | 2023-03-14 | 北京电信规划设计院有限公司 | 软件造价估算系统 |
| CN116882369A (zh) * | 2023-06-30 | 2023-10-13 | 平安科技（深圳）有限公司 | 基于增量学习的大语言模型、训练方法及文本生成方法 |
-
2023
- 2023-11-27 CN CN202311587409.3A patent/CN117635243B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113127060A (zh) * | 2021-04-09 | 2021-07-16 | 中通服软件科技有限公司 | 一种基于自然语言预训练模型（bert)的软件功能点识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117635243A (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240177007A1 (en) | Software test case maintenance | |
| AU2019355933B2 (en) | Software testing | |
| US11663409B2 (en) | Systems and methods for training machine learning models using active learning | |
| US9268766B2 (en) | Phrase-based data classification system | |
| US20190180196A1 (en) | Systems and methods for generating and updating machine hybrid deep learning models | |
| Jolly | Machine learning with scikit-learn quick start guide: classification, regression, and clustering techniques in Python | |
| JP2007052744A (ja) | 分類ルール作成支援方法 | |
| CN112070138A (zh) | 多标签混合分类模型的构建方法、新闻分类方法及系统 | |
| CN113010683B (zh) | 基于改进图注意力网络的实体关系识别方法及系统 | |
| CN113254507B (zh) | 一种数据资产目录智能构建盘点方法 | |
| CN115687610A (zh) | 文本意图分类模型训练方法、识别方法、装置、电子设备及存储介质 | |
| Capellman | Hands-On Machine Learning with ML. NET: Getting started with Microsoft ML. NET to implement popular machine learning algorithms in C | |
| CN114691525A (zh) | 测试用例的选择方法及装置 | |
| CN110598869B (zh) | 基于序列模型的分类方法、装置、电子设备 | |
| CN113837307A (zh) | 数据相似度计算方法、装置、可读介质及电子设备 | |
| US20200226325A1 (en) | Converting unstructured technical reports to structured technical reports using machine learning | |
| CN117635243B (zh) | 一种大语言模型赋能的智能化软件造价评估方法及系统 | |
| US20220084306A1 (en) | Method and system of guiding a user on a graphical interface with computer vision | |
| AU2021258019A1 (en) | Utilizing machine learning models to generate initiative plans | |
| US20210398025A1 (en) | Content Classification Method | |
| US20240119421A1 (en) | Natural language processing and classification methods for a veteran's status search engine for an online search tool | |
| CN117574981B (zh) | 一种信息分析模型的训练方法及信息分析方法 | |
| EP4312165A1 (en) | Method and system for providing recommendations for bill of materials revision | |
| CN116453702B (zh) | 孤独症行为特征集的数据处理方法、设备、系统及介质 | |
| CN117132218B (zh) | 工作流管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |