Eva kotta

ISSEL
Mar. 24, 2017
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
Eva kotta
1 of 35

More Related Content

Similar to Eva kotta

1 siampou komis-presentation1 siampou komis-presentation
1 siampou komis-presentationfoteini siampou
Μάθηση προγραμματισμού από μαθητές Α' Λυκείου με το ScratchΜάθηση προγραμματισμού από μαθητές Α' Λυκείου με το Scratch
Μάθηση προγραμματισμού από μαθητές Α' Λυκείου με το ScratchΙωάννης Σαρημπαλίδης
αξιολόγηση ερευνητικής εργασίαςαξιολόγηση ερευνητικής εργασίας
αξιολόγηση ερευνητικής εργασίαςΜεταξούλα Μανικάρου
έρευνα βασισμένη στη σχεδίαση (Design based research)έρευνα βασισμένη στη σχεδίαση (Design based research)
έρευνα βασισμένη στη σχεδίαση (Design based research)Anna Mavroudi
Ελένη ΝησιώτηΕλένη Νησιώτη
Ελένη ΝησιώτηISSEL
Εισαγωγή στις Aρχές της Eπιστήμης των H/YΕισαγωγή στις Aρχές της Eπιστήμης των H/Y
Εισαγωγή στις Aρχές της Eπιστήμης των H/YVassilis Efopoulos

More from ISSEL

Camera-based localization of annotated objects in indoor environmentsCamera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsISSEL
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...ISSEL
Design and implementation of an automation mechanism to automatically develop...Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...ISSEL
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...
ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΠΤΥΞΗ ΜΗΧΑΝΙΣΜΟΥ ΑΥΤΟΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΑΝΑΠΤΥΞΗΣ ΓΡΑΦΙΚΩΝ ΕΝΤΟΛ...ISSEL
Static Analysis of Python code and Identification of Potential Security Vulne...Static Analysis of Python code and Identification of Potential Security Vulne...
Static Analysis of Python code and Identification of Potential Security Vulne...ISSEL
Στατική Ανάλυση Κώδικα Python και Αναγνώριση Πιθανών Ευπαθειών Ασφαλείας για ...Στατική Ανάλυση Κώδικα Python και Αναγνώριση Πιθανών Ευπαθειών Ασφαλείας για ...
Στατική Ανάλυση Κώδικα Python και Αναγνώριση Πιθανών Ευπαθειών Ασφαλείας για ...ISSEL

More from ISSEL(20)

Recently uploaded

ΕΠΑΛ- Υλη Πανελλαδικών (2024)ΕΠΑΛ- Υλη Πανελλαδικών (2024)
ΕΠΑΛ- Υλη Πανελλαδικών (2024)d tampouris
3ο Εργαστήριο ΚΡΙΤΙΚΗ ΣΚΕΨΗ3ο Εργαστήριο ΚΡΙΤΙΚΗ ΣΚΕΨΗ
3ο Εργαστήριο ΚΡΙΤΙΚΗ ΣΚΕΨΗDimitra Mylonaki
Ζωρζ Σαρή, "και πάλι στο σχολείο".pdfΖωρζ Σαρή, "και πάλι στο σχολείο".pdf
Ζωρζ Σαρή, "και πάλι στο σχολείο".pdfJoannaArtinou
Ημέρα Σχολικού ΑθλητισμούpptxΗμέρα Σχολικού Αθλητισμούpptx
Ημέρα Σχολικού ΑθλητισμούpptxKonstantina Bozonelou
ΖΩΡΖ ΣΑΡΗ, εισαγωγικά στο "Και πάλι στο σχολείο"pdfΖΩΡΖ ΣΑΡΗ, εισαγωγικά στο "Και πάλι στο σχολείο"pdf
ΖΩΡΖ ΣΑΡΗ, εισαγωγικά στο "Και πάλι στο σχολείο"pdfJoannaArtinou
Πλαίσια Προσόντων.pdfΠλαίσια Προσόντων.pdf
Πλαίσια Προσόντων.pdfssuser9421c7

Recently uploaded(20)

Eva kotta

Editor's Notes

  1. εξαγωγή της απαραίτητης πληροφορίας από κείμενο απαιτήσεων λογισμικού χρήση οντολογιών για αναπαράσταση της πληροφορίας με δομημένο τρόπο βέλτιστη αντιστοίχιση των σημαντικών εννοιών με οντότητες της οντολογίας προσπάθεια αυτοματοποίησης της διαδικασίας αντιστοίχισης
  2. Ενώ οι απαιτήσεις λογισμικού που εκφράζονται σε φυσική γλώσσα έχουν το πλεονέκτημα ότι είναι κατανοητές και από τους προγραμματιστές και από τους πελάτες, μπορούν ταυτόχρονα να είναι ασαφής, αόριστες και ελλιπής. Παρόλο που μπορεί να υιοθετηθεί μια επίσημη ορολογία σαν ενναλακτική για να περιορίσει κάποια προβλήματα, η λύση αυτή δεν είναι πάντα αποδοτική καθώς οι πελάτες σπανίως είναι εξοπλισμένοι με μαθηματικές και ειδικές γνώσεις που θα τους επέτρεπαν να καταλάβουν αυστηρά διατυπωμένες απαιτήσεις. Μελετώντας τις απαιτήσεις λογισμικού, που εμφανίζονται σε έργα ανάπτυξης προϊόντων λογισμικού, είναι φανερό ότι ανάλογα με την περιοχή ενδιαφέροντος και με το τμήμα του κάθε προϊόντος, ορισμένες λειτουργίες και χαρακτηριστικά συστήματος είναι κοινά. Υπάρχει μια επανάληψη απαιτήσεων, με παραλλαγές και προσθήκες ανάλογα με τις εκάστοτε ανάγκες, στα έγγραφα απαιτήσεων που αφορούν προϊόντα με κοινά χαρακτηριστικά.
  3. Η μηχανική απαιτήσεων είναι ένας κλάδος που εμπίπτει στην ευρυτερη επιστήμη της τεχνολογίας Λογισμικού. Η τεχνολογία λογισμικού πρωτοεμφανίσθηκε την δεκαετία του εβδομήντα και από τοτε γνωρίζει μεγάλη ανάπτυξη. Το σχήμα δείχνει έναν επαναληπτικό κύκλο των βασικών λειτουργιών στην μηχανική απαιτήσεων. Υπάρχουν ποικίλες προδιαγραφές απαιτήσεων οι οποίες συλλέγονται κατά το πρώτο στάδιο («Requirements Elicitation»), παίρνουν μια συγκεκριμένη μορφή στο στάδιο της Αναπαράστασης Απαιτήσεων («Requirements Representation»), στην συνέχεια υπάρχει το στάδιο της Ανάλυσης Απαιτήσεων («Requirements Analysis») και τελικά καταλήγουν στο στάδιο Επικοινωνίας των Απαιτήσεων(«Requirements Communication»). Η διαδικασία αυτή επαναλαμβάνεται καθ’ όλη την διάρκεια εφαρμογής του λογισμικού. Κάποιες φορές οι προδιαγραφές είναι πολύ δύσκολο να οριστούν και αυτό έχει σαν αποτέλεσμα οι μηχανικοί λογισμικού να υποχρεώνονται πολλές φορές να ξανα-σχεδιάσουν ή/και να γράψουν ξανά το λογισμικό. Ποικίλες άλλες προκλήσεις συναντώνται κατά την ανάλυση των απαιτήσεων με σκοπό την δημιουργία συνεπών και ολοκληρωμένων απαιτήσεων. Μόνο με σωστή ανάλυση μπορεί να διασφαλιστεί ότι κατά την εφαρμογή του λογισμικού δεν θα προκύψουν ασυνέπειες και εσφαλμένα αποτελέσματα.
  4. Η λέξη οντολογία είναι σύνθετη και προέρχεται από τις λέξεις ον και λόγος. Στην επιστήμη των υπολογιστών και την θεωρία των πληροφοριών, η οντολογία αποτελεί μια αναπαράσταση της πληροφορίας με σημασιολογικό και δομημένο τρόπο. Η πιο διαδεδομένη γλώσσα οντολογιών που χρησιμοποιείται είναι η owl. Η OWL αναπτύχθηκε με σκοπό να χρησιμοποιηθεί στον Παγκόσμιο Ιστό, και όλα τα στοιχεία της (κλάσεις, συσχετίσεις και στιγμιότυπα) καθορίζονται ως RDF πόροι και αναγνωρίζονται ως URIs Η αντιστοίχιση οντολογιών είναι η λύση στο πρόβλημα της σημασιολογικής ετερογένειας. Βρίσκει την ομοιότητα μεταξύ των οντοτήτων δύο οντολογιών που συνδέονται μεταξύ τους σημασιολογικά. Η αντιστοίχιση οντολογιών είναι μια σύνθετη διαδικασία που βοηθάει στην μείωση του σημασιολογικού κενού που υπάρχει μεταξύ διαφορετικών αναπαραστάσεων του ίδιου πεδίου γνώσης. Στην παρούσα εργασία το κυρίως πρόβλημα είναι η αντιστοίχιση των όρων μιας απαίτησης με τις οντότητες μιας οντολογίας, το οποίο θα μπορούσε να αναχθεί ως ένα πρόβλημα αντιστοίχισης οντολογιών. Επίσης πολλές από τις τεχνικές που χρησιμοποιήθηκαν για την επίλυση του προβλήματος μοιάζουν αρκετά με αυτές που χρησιμοποιούνται στην αντιστοίχιση οντολογιών.
  5. Η επεξεργασία φυσικής γλώσσας (Natural Language Processing or NLP) είναι ένας κλάδος ερευνών που εξερευνά πως οι υπολογιστές μπορούν να χρησιμοποιηθούν έτσι ώστε να καταλαβαίνουν και να διαχειρίζονται κείμενο γραμμένο σε φυσική γλώσσα ή ακόμα και ομιλία. Οι ερευνητές αυτού του κλάδου στοχεύουν στην συλλογή πληροφοριών για το πώς οι άνθρωποι χρησιμοποιούν και καταλαβαίνουν την γλώσσα και τελικά αναπτύσσουν υπολογιστικά συστήματα ή τεχνικές κατάλληλα για την επεξεργασία της φυσικής γλώσσας Οι εφαρμογές της επεξεργασίας φυσικής γλώσσας περιλαμβάνουν ένα πλήθος πεδίων εφαρμογής, όπως η μηχανική μετάφραση, η δημιουργία διεπαφών χρήστη, η τεχνητή νοημοσύνη, η αναγνώριση ομιλίας, η εξαγωγή πληροφορίας και άλλα. Η εφαρμογή τεχνικών επεξεργασίας φυσικής γλώσσας έχει οδηγήσει στην εύρεση λύσεων σε διαφορετικές τεχνολογικές εφαρμογές όπως ανίχνευσης ανεπιθύμητης αλληλογραφίας. Υπάρχουν όμως ακόμα πολλά θέματα που παραμένουν ανοιχτά και αναζητούν περαιτέρω έρευνα όπως η απάντηση ερωτήσεων και ο διάλογος
  6. Η ανάλυση ξεκινά για κάθε απαίτηση, όπου εξαγονται οι σημαντικές λέξεις Το σύστημα βρίσκει ποιες από τις λέξεις έχουν αντιστοιχηθεί κατά την πρώτη φάση και ξεκινά την διαδικασίας αντιστοίχισης για τις υπόλοιπες Με βάση τα ζευγάρια της πρώτης φάσης, εξάγωνται οι συσχετιζόμενες λέξεις και οι αντίστοιχες πιθανές οντότητες Κάθε λέξη αντιστοιχίζεται με τις πιθανές οντότητες. Ετσι μια λέξη μπορεί να έχει αντιστοιχηθεί με παραπάνω από μία οντότητες Το σύστημα τελικά επιλέγει μια έννοια για κάθε λέξη με βάση την πιθανότητα να συνδέονται μεταξύ τους και κατά πόσο η αρχική υπόθεση πάνω στην οποία στηρίχτηκε ο αλγόριθμος είναι η σωστή. Για παράδειγμα στην δευτερη φάση τα ζευγάρια λέξεεων με έννοιες που βρισκει το σύστημα στηριζονται στις αντιστοιχίσεις του χρήστη και άρα η υπόθεση είναι σωστή. Στην Τρίτη φάση που θα δουμε τωρα τα ζευγάρια που εξήγαγε το ίδιο συστημα αποτελούν την υπόθεση και δεν είναι πάντα σωστά. Τα τελικά ζευγάρια λέξεων με έννοιες, τροφοδοτούν εκ νέου το σύστημα στην Τρίτη φάση
  7. Για να καλυφθεί ένα φάσμα πιθανών διαφορών, οι απαιτήσεις που χρησιμοποιήθηκαν για την αξιολόγηση του συστήματος προέρχονται, κυρίως, από έγγραφα απαιτήσεων γραμμένα από φοιτητές. Τα έργα αυτά αφορούν διαφορετικούς τομείς, συμπεριλαμβανομένων των ενσωματωμένων συστημάτων, συστημάτων εικονικής πραγματικότητας καθώς και εφαρμογών διαδικτύου.
  8. 1296 αντιστοιχισμένες έννοιες
  9. Οι λέξεις provide και functionality συνδέονται μέσω της σχέσης acl(provide, functionality), η συσχέτιση acl δεν είχε συμπεριληφθεί στις αρχικές συσχετίσεις και άρα η διαδικασία αντιστοίχισης έφτανε μέχρι την λέξη provide.
  10. Οι αντιστοιχίσεις ανά πρόταση από 2.5 άγγιξαν τις 2.9 ενώ το ποσοστό των σωστών αντιστοιχίσεων και για τις δύο οντολογίες βελτιώθηκε για πάνω από 10 ποσοστιαίες μονάδες. Βλέπουμε όμως ότι και πάλι η οντολογία SCASE έχει μεγαλύτερο ποσοστό σωστών αντιστοιχίσεων αυτό συμβαίνει γιατί η δομή της είναι πιο απλή και οι σχέσεις μεταξύ των εννοιών δεν είναι τόσο σύνθετες όπως στην οντολογία RequirementsOnt. Περίπου 460 έννοιες
  11. Οι αντιστοιχίσεις ανά πρόταση από 2.5 άγγιξαν τις 2.9 ενώ το ποσοστό των σωστών αντιστοιχίσεων και για τις δύο οντολογίες βελτιώθηκε για πάνω από 10 ποσοστιαίες μονάδες. Βλέπουμε όμως ότι και πάλι η οντολογία SCASE έχει μεγαλύτερο ποσοστό σωστών αντιστοιχίσεων αυτό συμβαίνει γιατί η δομή της είναι πιο απλή και οι σχέσεις μεταξύ των εννοιών δεν είναι τόσο σύνθετες όπως στην οντολογία RequirementsOnt.
  12. Από 60.2 το ποσοστό αυξήθηκε στο 64.5%. 1365 αντιστοιχισμένες έννοιες
  13. Από 64.5% το ποσοστό αυξήθηκε στο 68.7%. Παρατήρηση: ο αριθμός των εννοιών που αντιστοίχισε το σύστημα μειώθηκε από 1365 σε 1319. Ωστόσο αυτή η μείωση είναι πλασματική. Για την ακρίβεια κατά την αξιολόγηση λαμβάνονται υπόψιν οι αντιστοιχίσεις που πραγματοποιεί το σύστημα ενώ τα ζευγάρια που δίνει ο χρήστης δεν προσμετρώνται. Επομένως, στην πραγματικότητα ο αριθμός των συνολικών εννοιών που αντιστοιχήθηκαν είναι μεγαλύτερος αλλά πλέον και η συνεισφορά του χρήστη είναι μεγαλύτερη και οι αντιστοιχίσεις που κάνει αφαιρούνται από τον συνολικό αριθμό.
  14. Ο πληθοπορισμός είναι μία μορφή συλλογικής διαδικτυακής δραστηριότητας στην οποία ένα άτομο, ένα ίδρυμα, ένας μη κερδοσκοπικός οργανισμός ή μία εταιρεία προτείνει σε μία ομάδα ατόμων με ποίκιλες γνώσεις, ετερογένεια και αριθμό, μέσω μίας ανοιχτής πρόσκλησης, να αναλάβουν εθελοντικά μια εργασία. Παραδείγματα crowdvoting ή crowdfunding.
  15. 3.41% αντιστοιχισμένες λέξεις ανα απαίτηση για την SCASE ενώ στο προηγούμενο πείραμα ήταν 2.6. Η διαφορά στις σωστές αντιστοιχίσεις έχει να κάνει με την δομή των οντολογιών. Η διαφορά στις αντιστοιχισμένες έννοιες έχει να κάνει με τις λέξεις που αντιστοίχεισαι ο χρήστης, πχ το system είναι ήδη αντιστοιχισμένο μιας και έχει ακριβώς αντίστοιχη οντότητα. Κατά μέσο όρο 425.5 (444 αντιστοιχισμένες έννοιες SCASE και 407 αντιστοιχισμένες έννοιες RequirementsOnt)
  16. Τέλος θα μπορούσαν να εξεταστούν λεξικολογικά ή συντακτικά εργαλεία πέραν του WordNet τα οποία θα μείωναν το ποσοστό των τυχαίων αντιστοιχίσεων και άρα το ποσοστό των σωστών αντιστοιχίσεων θα αυξανόταν. Ένα τέτοιο εργαλείο θα μπορούσε να είναι το word2vec το οποίο αποτελείται από μια ομάδα σχεσιακών μοντέλων που παράγουν ένθετα κειμένου(word embeddings). Το Word2vec παίρνει ως είσοδο μια μεγάλη συλλογή ενός κειμένου και παράγει ένα σύνολο διανυσμάτων, συνήθως με διαστάσεις αρκετών εκατοντάδων, όπου κάθε μοναδική λέξη που υπάρχει στην συλλογή λαμβάνει ένα αντίστοιχο διάνυσμα στο χώρο