Aplicación distribuida para la detección de ambigüedades en los requerimientos de software utilizando técnicas de machine learning y bases de conocimiento

Hernández Capera, Fabián Mauricio; Niño González, Julián David

Aplicación distribuida para la detección de ambigüedades en los requerimientos de software utilizando técnicas de machine learning y bases de conocimiento

dc.contributor.advisor	Hernández Gutiérrez, Jairo
dc.contributor.author	Hernández Capera, Fabián Mauricio
dc.contributor.author	Niño González, Julián David
dc.contributor.orcid	Hernández Gutiérrez, Jairo [0000-0003-3908-2763]
dc.date.accessioned	2024-08-17T16:20:12Z
dc.date.available	2024-08-17T16:20:12Z
dc.date.created	2023-08-31
dc.description	En este proyecto de grado, se abordó la creación de una aplicación web de enfoque distribuido, que utiliza técnicas avanzadas de Machine Learning y se apoya en bases de conocimiento, con el objetivo de identificar y resolver ambigüedades presentes en los requerimientos de software. Para lograrlo, se diseñó un método que combina algoritmos de aprendizaje automático con información almacenada en bases de datos vectoriales, permitiendo una detección precisa y eficiente de las ambigüedades más comunes. La aplicación final se destaca por su interfaz de fácil acceso y su rendimiento excepcional, respaldado adicionalmente por una infraestructura distribuida en la nube que asegura una distribución equitativa de la carga y una seguridad robusta a través de la aplicación de JSON Web Tokens. En conjunto, este proyecto culmina en una solución tecnológica innovadora que potencia la calidad y eficiencia en el proceso de desarrollo de software al abordar de manera efectiva las ambigüedades presentes en los requerimientos.
dc.description.abstract	In this degree project, the creation of a distributed approach web application was addressed, which uses advanced Machine Learning techniques and is supported by knowledge bases, with the objective of identifying and resolving ambiguities present in software requirements. To achieve this, a method was designed that combines machine learning algorithms with information stored in vector databases, allowing an accurate and efficient detection of the most common ambiguities. The final application stands out for its easy-to-access interface and exceptional performance, additionally supported by a distributed cloud infrastructure that ensures equitable load distribution and robust security through the application of JSON Web Tokens. Overall, this project culminates in an innovative technological solution that enhances quality and efficiency in the software development process by effectively addressing the ambiguities present in the requirements.
dc.description.sponsorship	Eprocess S.A.S	spa
dc.format.mimetype	pdf	spa
dc.identifier.uri	http://hdl.handle.net/11349/39845
dc.language.iso	spa
dc.relation.references	ReQtest. (2020). ReQtest – A Complete Guide. Recuperado de https://reqtest.com/what-isreqtest/.
dc.relation.references	IBM. (2021). IBM Rational DOORS. Recuperado de https://www.ibm.com/products/rationaldoors.
dc.relation.references	Jama Software. (2021). Jama Connect. Recuperado de https://www.jamasoftware.com/. Micro Focus. (2021). CaliberRM. Recuperado de https://www.opentext.com/. Sparx Systems. (2021). Enterprise Architect. Recuperado de https://sparxsystems.com/products/ea/index.html
dc.relation.references	Pauzi, Z., & Capiluppi, A. (2023). Applications of natural language processing in software traceability: A systematic mapping study. Recuperado de https://www.sciencedirect.com/science/article/pii/S0164121223000110?via%3Dihub
dc.relation.references	Siahaan, D., Raharjana, I. K., & Fatichah, C. (2023). User Story Extraction from Natural Language for Requirements Elicitation: Identify Software-Related Information from Online News. Recuperado de https://www.sciencedirect.com/science/article/abs/pii/S0950584923000496?via%3Dihub.
dc.relation.references	Riaz, M. Q., Butt, W. H., & Rehman, S. (2019). Automatic Detection of Ambiguous Software Requirements: An Insight. Recuperado de https://ieeexplore.ieee.org/document/8714682
dc.relation.references	Rajender Kumar Surana, C. S., Shriya, Gupta, D. B., & Shankar, S. P. (2019). Intelligent Chatbot for Requirements Elicitation and Classification. Recuperado de https://ieeexplore.ieee.org/document/9016907.
dc.relation.references	Liu, K., Reddivari, S., & Reddivari, K. (2022). Artificial Intelligence in Software Requirements Engineering: State-of-the-Art. Recuperado de https://ieeexplore.ieee.org/document/9874229
dc.relation.references	Elsevier. (2023). A review on risk assessment techniques for building services. Recuperado de https://linkinghub.elsevier.com/retrieve/pii/S0950584923000496.
dc.relation.references	ScienceDirect. (s.f.). (2023) Explore scientific, technical, and medical research on ScienceDirect. Recuperado de https://www.sciencedirect.com/
dc.relation.references	Health Data Miner. (2019). CRISP-DM: Una metodología para minería de datos en salud. Recuperado el 19 de marzo de 2023, Recuperado de https://healthdataminer.com/datamining/crisp-dm-una-metodologia-para-mineria-de-datos-en-salud/
dc.relation.references	Biblioteca Hugging Face Transformers. (2023) Huggingface Recuperado de https://github.com/huggingface/transformers
dc.relation.references	Pinecone (2023) Búsqueda de Similitud Vectorial a Escala. Recuperado de https://www.pinecone.io/
dc.relation.references	Gensim. (2023). Documentación vía GitHub Recuperado de https://radimrehurek.com/gensim/auto_examples/index.html#core-tutorials.
dc.relation.references	Pinecone. (2023). Choosing index type and size Recuperado de https://docs.pinecone.io/docs/choosing-index-type-and-size
dc.relation.references	Hugging Face (2023). Transformers Recuperado de https://huggingface.co/docs/transformers/index.
dc.relation.references	Abstracta Chile. (2023). Herramienta para pruebas de API: Review de Insomnia. Recuperado de https://cl.abstracta.us/blog/insomnia-herramienta-pruebas-api/.
dc.relation.references	Jones, M., Bradley, J., & Sakimura, N. (2015). JSON Web Token (JWT). RFC 7519. Recuperado de https://tools.ietf.org/html/rfc7519 Auth0. (n.d.). JSON Web Token Introduction. Recuperado de https://auth0.com/learn/json-webtokens/
dc.relation.references	Leon,E. (2020). Procesamiento del lenguaje natural con Python. Recuperado de https://www.baoss.es/procesamiento-del-lenguaje-natural-pln-con-python/
dc.relation.references	Fernandez. (2023) ChatGPT: Que es, cómo usarlo y qué puedes hacer con este chat de Inteligencia Artificial Recuperado de: https://www.xataka.com/basics/chatgpt-que-como-usarlo-quepuedes-hacer-este-chat-inteligencia-artificial.
dc.relation.references	Tripathi, R. (2023). What are vector embeddings. Recuperado de www.pinecone.io/learn/vectorembeddings/
dc.relation.references	Pinecone. (2023). Arquitectura de datos. Recuperado de https://www.pinecone.io/
dc.relation.references	Pinecoce. (2023). Modelo Embeeding. Recuperado de www.pinecone.io/learn/vector-embeddings/
dc.relation.references	Rivas, A. (2023) Normas APA: La guía definitiva para presentar trabajos escritos. Guía Normas APA. Recuperado de https://normasapa.in/
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Internacional	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Internacional	*
dc.rights.acceso	Abierto (Texto Completo)	spa
dc.rights.accessrights	OpenAccess	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Inteligencia Artificial	spa
dc.subject	Detección de ambigüedades	spa
dc.subject	Aplicación distribuida	spa
dc.subject	Requerimientos de software	spa
dc.subject	Machine Learning	spa
dc.subject	Bases de conocimiento	spa
dc.subject	Desarrollo de Software	spa
dc.subject	Procesamiento de lenguaje natural	spa
dc.subject	Aprendizaje automático	spa
dc.subject	Ambigüedad en requisitos	spa
dc.subject	Toma de decisiones	spa
dc.subject	Validación automática de requisitos	spa
dc.subject.keyword	Distributed application	spa
dc.subject.keyword	Ambiguity detection	spa
dc.subject.keyword	Software requirements	spa
dc.subject.keyword	Machine Learning	spa
dc.subject.keyword	Knowledge bases	spa
dc.subject.keyword	software development	spa
dc.subject.keyword	Natural language processing	spa
dc.subject.keyword	Ambiguity in requirements	spa
dc.subject.keyword	decision making	spa
dc.subject.keyword	Automatic requirements validation	spa
dc.subject.keyword	Artificial intelligence	spa
dc.subject.lemb	Ingeniería Telemática -- Tesis y disertaciones académicas
dc.subject.lemb	Análisis de información -- Información
dc.subject.lemb	Aprendizaje automático -- Inteligencia artificial
dc.subject.lemb	Software -- Programación
dc.subject.lemb	Procesamiento electrónico de datos -- Bases de datos
dc.title	Aplicación distribuida para la detección de ambigüedades en los requerimientos de software utilizando técnicas de machine learning y bases de conocimiento	spa
dc.title.titleenglish	Distributed application for detecting ambiguities in software requirements using machine learning techniques and knowledge bases	spa
dc.type	bachelorThesis	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.degree	Pasantía	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis