• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Software Engineering >Learning Project Management Decisions: A Case Study with Case-Based Reasoning versus Data Farming
【24h】

Learning Project Management Decisions: A Case Study with Case-Based Reasoning versus Data Farming

机译：学习项目管理决策：基于案例的推理与数据农场的案例研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Background: Given information on just a few prior projects, how do we learn the best and fewest changes for current projects? Aim: To conduct a case study comparing two ways to recommend project changes. 1) Data farmers use Monte Carlo sampling to survey and summarize the space of possible outcomes. 2) Case-based reasoners (CBR) explore the neighborhood around test instances. Method: We applied a state-of-the data farmer (SEESAW) and a CBR tool ($({cal W}2)$) to software project data. Results: CBR with $({cal W}2)$ was more effective than SEESAW's data farming for learning best and recommended project changes, effectively reducing runtime, effort, and defects. Further, CBR with $({cal W}2)$ was comparably easier to build, maintain, and apply in novel domains, especially on noisy data sets. Conclusion: Use CBR tools like $({cal W}2)$ when data are scarce or noisy or when project data cannot be expressed in the required form of a data farmer. Future Work: This study applied our own CBR tool to several small data sets. Future work could apply other CBR tools and data farmers to other data (perhaps to explore other goals such as, say, minimizing maintenance effort).
机译：背景：仅给出了一些先前项目的信息，我们如何了解当前项目的最佳和最少变更？目的：进行案例研究，比较推荐项目变更的两种方法。 1）数据农民使用蒙特卡洛抽样调查和总结可能结果的空间。 2）基于案例的推理器（CBR）探索测试实例周围的邻域。方法：我们对软件项目数据应用了数据农状态（SEESAW）和CBR工具（$（{cal W} 2）$）。结果：带有$ {{cal W} 2）$的CBR比SEESAW的数据农作更有效，可以学习最佳和建议的项目更改，从而有效地减少了运行时间，工作量和缺陷。此外，具有$ {{cal W} 2）$的CBR在新领域（尤其是在嘈杂的数据集上）更易于构建，维护和应用。结论：当数据稀少或嘈杂或无法以所需的数据农夫形式表示项目数据时，请使用诸如$ {{cal W} 2）$之类的CBR工具。未来的工作：这项研究将我们自己的CBR工具应用于几个小数据集。未来的工作可以将其他CBR工具和数据农民应用于其他数据（也许可以探索其他目标，例如，最小化维护工作）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号