Gereksinim mühendisliği üzerine büyük dil modellerinin eğitimi: Maskelenmiş kelime tahmini üzerine deneysel bir çalışma
Training large language models on requirements engineering: An experimental study on masked word prediction
- Tez No: 995367
- Danışmanlar: DOÇ. DR. MURAT YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar yazılımları, Yapay zeka, Computer softwares, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, büyük dil modellerinin yazılım mühendisliği iş akışlarındaki rolünü; özellikle gereksinim mühendisliğindeki uygulanabilirlikleri ve performanslarını incelemektedir. Yazılım projelerinde gereksinimlerin tamlığı ve doğru tanımlanması, projenin genel başarısında kritik bir rol oynar. Bu öncül üzerine kurulan araştırma, doğal dil işleme yeteneklerine sahip büyük dil modellerinin, gereksinim cümlelerindeki eksik ya da maskelenmiş tahmin ederek gereksinim analizine nasıl yardımcı olabileceğini araştırmaktadır. Maskelenmiş kelime tahmini tekniği kullanılarak temel bir model, belirlenen bir gereksinim veri seti üzerinde çeşitli parametre ayarlamalarıyla eğitilmiştir. Eğitim ve değerlendirme boyunca birden fazla parametre kombinasyonu uygulanmış ve modelin genellenebilirliği çok katlı çapraz doğrulama ile test edilmiştir. Modelin performansı doğruluk, şaşkınlık düzeyi ve değerlendirme kaybı metrikleriyle ölçülmüştür. İnce ayar yapılmış modelin, eksik kelime tahmini görevinde temel modele kıyasla sağladığı iyileştirmeler gözlemlenmiştir. Eğitilen modele özgü tespit edilen optimum eğitim parametreleri ile farklı modeller farklı veri setleri ile eğitilmiştir, sonuçları kıyaslanmıştır. Kısıtlılıklar ve sınırlamalar açıklanmıştır. Bu bulgular, büyük dil modellerinin gereksinim mühendisliği süreçlerinde etkili bir araç olarak kullanılabileceğini ve yazılım mühendisliği disiplinindeki yapay zekâ tabanlı uygulamalar için referans olabileceğini göstermektedir.
Özet (Çeviri)
This study investigates the role of large language models in software engineering workflows, particularly their applicability and performance in requirements engineering. In software projects, the completeness and accurate definition of requirements play a critical role in the overall success of the project. Built upon this premise, the research explores how large language models with natural language processing capabilities can assist requirements analysis by predicting missing or masked words in requirement sentences. Using the masked word prediction technique, a baseline model was trained on a designated requirements dataset with various parameter adjustments. Multiple parameter combinations were applied throughout training and evaluation, and the generalizability of the model was tested with multi-fold cross-validation. The performance of the model was measured using accuracy, perplexity, and evaluation loss metrics. Improvements provided by the fine-tuned model compared to the baseline model in the missing word prediction task were observed. Different models were trained with different datasets using the optimum training parameters identified specifically for the trained model, and their results were compared. Constraints and limitations are explained. These findings demonstrate that large language models can be used as an effective tool in requirements engineering processes and can serve as a reference for artificial intelligence-based applications in the software engineering discipline.
Benzer Tezler
- A tutoring framework with robotic and virtual agents for requirements elicitation interview training
Gereksinim belirleme mülakatı eğitimi için robotik ve sanal etmenlerle geliştirilmiş öğretim çerçevesi
BİNNUR GÖRER
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA BAŞAK AYDEMİR
PROF. DR. HÜSEYİN LEVENT AKIN
- Lmm-iqa: image quality assessment for low-dose ct imaging
Lmm-ıqa: düşük dozlu bt görüntülerinde görüntü kalitesi değerlendirmesi
KAĞAN ÇELİK
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Comressıon of convolutıonal neural networks vıa hıgh dımensıonal model representatıon
Yüksek boyutlu model gösterilimi aracılığıyla evrişimsel sinir ağlarının sıkıştırılması
BERNA YILMAZ
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Knowledge graph augmented multi-hop question answering using large language models
Büyük dil modelleri kullanılarak bilgi grafiği destekli çok adımlı soru cevaplama
BARIŞ DENİZ SAĞLAM
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. ALTAN KOÇYİĞİT
- Otomatik duygu sözlüğü geliştirilmesi ve haberlerin duygu analizi
Automated sentiment lexicon generation and sentiment analysis of news
FATİH SAĞLAM
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT AKAL
PROF. DR. HAYRİ SEVER