智能计算服务的需求获取方法

doi:10.11772/j.issn.1001-9081.2022010059

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (11): 3486-3492.DOI: 10.11772/j.issn.1001-9081.2022010059

所属专题： CCF 2021中国数字服务大会

• CCF 2021中国数字服务大会 • 上一篇下一篇

智能计算服务的需求获取方法

汪烨, 周澳回, 周思源(), 姜波, 陈骏武, 宋师哲

浙江工商大学计算机与信息工程学院，杭州 310018

收稿日期:2022-01-18 修回日期:2022-03-31 接受日期:2022-04-15 发布日期:2022-05-17 出版日期:2022-11-10
通讯作者: 周思源
作者简介:汪烨（1986—），女，安徽滁州人，副教授，博士，CCF会员，主要研究方向：需求工程、服务计算、机器学习
周澳回（1999—），男，浙江温州人，硕士研究生，CCF会员，主要研究方向：软件工程、数据挖掘
周思源（1998—），男，上海人，硕士研究生，CCF会员，主要研究方向：软件工程、数据挖掘 3508006105@qq.com
姜波（1970—），女，浙江黄岩人，教授，博士，CCF理事，主要研究方向：机器学习、需求工程、服务计算
陈骏武（1995—），男，浙江金华人，硕士研究生，CCF会员，主要研究方向：服务计算、深度学习、数据挖掘
宋师哲（1998—），男，贵州遵义人，硕士研究生，CCF会员，主要研究方向：服务计算、机器学习、数据挖掘.
基金资助:
浙江省自然科学基金资助项目(LY21F020011);浙江省科技厅重点研发项目(2021C01162)

Requirement acquisition approach for intelligent computing services

Ye WANG, Aohui ZHOU, Siyuan ZHOU(), Bo JIANG, Junwu CHEN, Shizhe SONG

School of Computer and Information Engineering，Zhejiang Gongshang University，Hangzhou Zhejiang 310008，China

Received:2022-01-18 Revised:2022-03-31 Accepted:2022-04-15 Online:2022-05-17 Published:2022-11-10
Contact: Siyuan ZHOU
About author:WANG Ye， born in 1986， Ph. D.， associate professor. Her research interests include requirements engineering， service computing， machine learning.
ZHOU Aohui， born in 1999， M. S. candidate. His research interests include software engineering， data mining.
ZHOU Siyuan， born in 1998， M. S. candidate. His research interests include software engineering， data mining.
JIANG Bo， born in 1970， Ph. D.， professor. Her research interests include machine learning， requirements engineering， service computing.
CHEN Junwu， born in 1995， M. S. candidate. His research interests include service computing， deep learning， data mining.
SONG Shizhe， born in 1998， M. S. candidate. His research interests include service computing， machine learning， data mining.
Supported by:
Zhejiang Provincial Natural Science Foundation(LY21F020011)

摘要/Abstract

摘要：

智能计算服务由服务提供者通过互联网为服务消费者提供数据的分析和处理，并建立学习模型完成智能计算功能。由于服务提供者与服务消费者之间缺乏有效的沟通渠道，以及服务消费者反馈的需求描述模糊、混乱，目前缺乏一种统一的服务需求获取方法对用户持续变化的需求进行有效的分析、组织和规约，导致智能计算服务无法根据用户的需求进行快速改进。针对服务开发中需求变更的持续性和不确定性等问题，提出了一种智能计算服务的需求获取方法。该方法首先从Stack Overflow问答论坛获取智能计算服务的应用反馈和问题，然后根据服务消费者所关注的需求类型采用不同的学习模型（包括支持向量机（SVM）、朴素贝叶斯和TextCNN）对其进行知识分类和优先级排序，最后采用自定义的服务需求模板统一描述智能计算服务的需求。

关键词: 服务需求工程, 需求获取, 智能计算服务, 机器学习, 神经网络

Abstract:

In intelligent computing services， data analysis and processing are provided for the service consumer by the service provider through Internet， and a learning model is established to complete intelligent computing function. Due to the lack of effective communication channels between service providers and service consumers， as well as the fuzzy and messy requirement descriptions of the service consumer feedback， there is a lack of a unified service requirement acquisition method to effectively analyze， organize and regulate the continuously changing requirement of users， which leads to the failure of intelligent computing services to make a rapid improvement according to the user’s requirements. Aiming at the problems of continuity and uncertainty of requirement changes in service development， a requirement acquisition method for intelligent computing services was proposed. The application feedback and questions of intelligent computing services were firstly obtained from Stack Overflow question and answer forum. Then， the knowledge classification and prioritization were performed on them by using different learning models （including Support Vector Machine （SVM）， naive Bayes and TextCNN） according to the types of requirements concerned by the service consumer. Finally， a customized service requirement template was used to describe the requirements of intelligent computing services.

Key words: service requirement engineering, requirement acquisition, intelligent computing service, machine learning, neural network

中图分类号:

TP311

汪烨, 周澳回, 周思源, 姜波, 陈骏武, 宋师哲. 智能计算服务的需求获取方法[J]. 计算机应用, 2022, 42(11): 3486-3492.

Ye WANG, Aohui ZHOU, Siyuan ZHOU, Bo JIANG, Junwu CHEN, Shizhe SONG. Requirement acquisition approach for intelligent computing services[J]. Journal of Computer Applications, 2022, 42(11): 3486-3492.

图/表 4

参考文献 26

1	WANG Y， YANG X H， WANG X Y， et al. ProQRASS： a process‑ based approach to quality requirements analysis for service systems［J］. International Journal of Software Engineering and Knowledge Engineering， 2013， 23（7）： 943-962. 10.1142/s0218194013500277
2	SOUZA V E S， LAPOUCHNIAN A， ANGELOPOULOS K， et al. Requirements‑driven software evolution［J］. Computer Science ― Research and Development， 2013， 28（4）： 311-329. 10.1007/s00450-012-0232-2
3	张圣. 软件开发工程中需求分析重要性之探析［J］.科技信息，2008（18）：75-75. 10.3969/j.issn.1009-2374.2008.17.047
	ZHANG S. Exploration of importance of requirements analysis in software development engineering［J］. Science and Technology Information， 2008（18）： 75-75. 10.3969/j.issn.1009-2374.2008.17.047
4	BANO M， ZOWGHI D， IKRAM N， et al. What makes service oriented requirements engineering challenging？ a qualitative study［J］. IET Software， 2014， 8（4）： 154-160. 10.1049/iet-sen.2013.0131
5	CHEN H F， HE K Q. A method for service‑oriented personalized requirements analysis［J］. Journal of Software Engineering and Applications， 2011， 4（1）： 59-68.
6	MOUHEB D， TALHI C， NOUH M， et al. Aspect‑oriented modeling for representing and integrating security concerns in UML［M］// Software Engineering Research， Management and Applications. Berlin： Springer， 2010： 197-213. 10.1007/978-3-642-13273-5_13
7	SUN J， ZHAO L P， LOUCOPOULOS P， et al. QRA： a quality requirements analysis approach for service systems［C］// Proceedings of the 2013 IEEE International Conference on Services Computing. Piscataway： IEEE， 2013： 25-32. 10.1109/scc.2013.48
8	PENSERINI L， PERINI A， SUSI A， et al. From stakeholder needs to service requirements［C］// Proceedings of the 2006 Service‑ Oriented Computing： Consequences for Engineering Requirements. Piscataway： IEEE， 2006： No.8. 10.1109/soccer.2006.4
9	WANG Y， WANG T， SUN J. PASER： a pattern‑based approach to service requirements analysis［J］. International Journal of Software Engineering and Knowledge Engineering， 2019， 29（4）： 547-576. 10.1142/s0218194019500232
10	WANG J， HE K Q， LI B， et al. Meta‑models of domain modeling framework for networked software［C］// Proceedings of the 6th International Conference on Grid and Cooperative Computing. Piscataway： IEEE， 2007： 878-886. 10.1109/gcc.2007.84
11	GARG R， NAUDTS B， VERBRUGGE S， et al. Modeling legal and regulative requirements for ranking alternatives of cloud‑based services［C］// Proceedings of the IEEE 8th International Workshop on Requirements Engineering and Law. Piscataway： IEEE， 2015： 25-32. 10.1109/relaw.2015.7330208
12	ZHANG S L， YIN J S， LIU R. A RGPS‑based framework for service‑oriented requirement evolution of networked software［C］// Proceedings of the IEEE 3rd International Conference on Communication Software and Networks. Piscataway： IEEE， 2011： 321-325. 10.1109/iccsn.2011.6013724
13	CLELAND‑HUANG J， SETTIMI R， ZOU X C， et al. Automated classification of non‑functional requirements［J］. Requirements Engineering， 2007， 12（2）： 103-120. 10.1007/s00766-007-0045-1
14	SHARMA V S， RAMNANI R R， SENGUPTA S. A framework for identifying and analyzing non‑functional requirements from text［C］// Proceedings of the 4th International Workshop on Twin Peaks of Requirements and Architecture. New York： ACM， 2014： 1-8. 10.1145/2593861.2593862
15	LI C Y， HUANG L G， GE J D， et al. Automatically classifying user requests in crowdsourcing requirements engineering［J］. Journal of Systems and Software， 2018， 138： 108-123. 10.1016/j.jss.2017.12.028
16	CASAMAYOR A， GODOY D， CAMPO M. Identification of non‑ functional requirements in textual specifications： a semi‑ supervised learning approach［J］. Information and Software Technology， 2010， 52（4）： 436-445. 10.1016/j.infsof.2009.10.010
17	GUZMAN E， EL‑HALIBY M， BRUEGGE B. Ensemble methods for App review classification： an approach for software evolution［C］// Proceedings of the 30th IEEE/ACM International Conference on Automated Software Engineering. Piscataway： IEEE， 2015： 771-776. 10.1109/ase.2015.88
18	王莹，郑丽伟，张禹尧，等. 面向中文APP用户评论数据的软件需求挖掘方法［J］. 计算机科学， 2020， 47（12）：56-64. 10.11896/jsjkx.201200031
	WANG Y， ZHENG L W， ZHANG Y Y， et al. Software requirement mining method for Chinese APP user review data［J］. Computer Science， 2020， 47（12）： 56-64. 10.11896/jsjkx.201200031
19	贾一荻，刘璘. 中文非功能需求描述的识别与分类方法研究［J］. 软件学报， 2019， 30（10）：3115-3126.
	JIA Y D， LIU L. Recognition and classification of non‑functional requirements in Chinese［J］. Journal of Software， 2019， 30（10）： 3115-3126.
20	KURTANOVIĆ Z， MAALEJ W. Automatically classifying functional and non‑functional requirements using supervised machine learning［C］// Proceedings of the IEEE 25th International Requirements Engineering Conference. Piscataway： IEEE， 2017： 490-495. 10.1109/re.2017.82
21	KHAN J A， LIU L， WEN L J. Requirements knowledge acquisition from online user forums［J］. IET Software， 2020， 14（3）： 242-253. 10.1049/iet-sen.2019.0262
22	KIM Y. Convolutional neural networks for sentence classification［C］// Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing. Stroudsburg， PA： Association for Computational Linguistics， 2014： 1746-1751. 10.3115/v1/d14-1181
23	ECKHARDT J， VOGELSANG A， FEMMER H， et al. Challenging incompleteness of performance requirements by sentence patterns［C］// Proceedings of the IEEE 24th International Requirements Engineering Conference. Piscataway： IEEE， 2016： 46-55. 10.1109/re.2016.24
24	TONDEL I A， JAATUN M G， MELAND P H. Security requirements for the rest of us： a survey［J］. IEEE Software， 2008， 25（1）：20-27. 10.1109/ms.2008.19
25	KÖHL M A， BAUM K， LANGER M， et al. Explainability as a non‑functional requirement［C］// Proceedings of the IEEE 27th International Requirements Engineering Conference. Piscataway： IEEE， 2019： 363-368. 10.1109/re.2019.00046
26	DUBEY S K， GULATI A， RANA A. Usability evaluation of software systems using fuzzy multi‑criteria approach［J］. International Journal of Computer Science Issues， 2012， 9（3）：404-409.

需求类别		描述模板	定量/定性
功能性		作为一个〈角色〉，我希望〈功能〉，以便于〈目的〉。其中角色定义了用户在该需求中扮演的角色，功能定义了用户期望智能计算服务提供的具体功能，目的明确了用户希望通过该服务能够实现的业务目标。	—
可靠性		作为一个〈角色〉，我希望〈服务〉的〈MTBF\|MTTR\|MTTF〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。其中服务定义了可靠性适用的智能计算服务名，MTBF、MTTR、MTTF为可靠性的指标名。	定量
可靠性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉保证可靠。	定性
合法性		作为一个〈角色〉，我希望在〈时刻\|时间〉，〈服务〉〈必须\|应该〉保证符合〈法律\|规定〉。其中时刻\|时间定义了智能计算服务的合法性需满足的时间范畴，法律\|规定定义了具体法律和规定名称。	定性
外观体验		作为一个〈角色〉，我希望在〈服务〉的〈界面〉〈增加\|删除\|修改〉〈界面组件\|风格〉，以便于〈目的〉。	定性
可维护性		作为一个〈角色〉，我希望〈服务〉的〈圈复杂度\|代码行数\|可维护性指数\|继承层次数\|类耦合度\|单元测试覆盖率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
可维护性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉易于〈维护\|修改\|测试〉。	定性
操作性		作为一个〈角色〉，我希望〈服务〉〈增加\|删除\|修改〉〈操作〉，以便于〈目的〉。	定性
性能	时间	作为一个〈角色〉，我希望在〈事件A〉与〈事件B〉之间，〈服务〉〈必须\|应该〉具有〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈时间单位〉的〈平均\|最大\|最小〉的〈响应时间\|处理时间\|延迟〉。	定量
	时间	作为一个〈角色〉，我希望在〈事件A〉与〈事件B〉之间，〈服务〉的〈响应时间\|处理时间\|延迟〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
	吞吐量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉具有〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉的〈数据\|请求\|项〉每〈时间单位〉的〈平均\|最大\|最小〉的〈事务率\|吞吐量\|速度〉。	定量
	吞吐量	作为一个〈角色〉，我希望〈服务〉的〈事务率\|吞吐量\|速度〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
	容量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉〈支持\|存储\|接收\|处理\|维持〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈平均\|最大\|最小〉〈x〉的〈数据\|请求\|项〉每〈时间单位〉。	定量
	容量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉〈提高\|降低\|保持〉〈支持\|存储\|接收\|处理\|维持〉的〈数据\| 请求\|项〉。	定性
	其他指标	作为一个〈角色〉，我希望在〈事件〉发生时，〈服务〉的〈性能指标〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	其他指标	作为一个〈角色〉，我希望在〈事件〉发生时，〈服务〉的〈性能指标〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
可移植性	代码变更率	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈代码变更率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	安装成功率	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈安装成功率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	界面适应力	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈界面〉必须适应〈平台\|环境〉。	定性
	功能完整性	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉必须保证完整性。	定性
可扩展性		作为一个〈角色〉，我希望将来在〈时刻\|时间〉，〈服务〉的〈性能指标〉〈必须\|应该〉〈等于\|小于\|大于\| 小于等于\|大于等于〉〈x〉〈单位〉。	定量
可扩展性		作为一个〈角色〉，我希望将来在〈时刻\|时间〉，〈服务〉〈必须\|应该〉提供〈更高\|更多〉的〈性能指标〉。	定性
安全性		作为一个〈角色〉，我希望〈服务\|数据\|文件〉〈必须\|应该〉提供〈安全操作〉，以便〈安全性目标〉。	定性
易用性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉提供〈易用性机制〉，以便〈易用性目标〉。	定性
可解释性		作为一个〈角色〉，我希望〈服务〉的〈模型\|结果〉〈必须\|应该〉在〈特征\|数据\|算法〉上是可解释的，以便〈目的〉。其中模型\|结果代表服务在学习时所采用的模型和学习后生成的结果。	定性

需求类别		描述模板	定量/定性
功能性		作为一个〈角色〉，我希望〈功能〉，以便于〈目的〉。其中角色定义了用户在该需求中扮演的角色，功能定义了用户期望智能计算服务提供的具体功能，目的明确了用户希望通过该服务能够实现的业务目标。	—
可靠性		作为一个〈角色〉，我希望〈服务〉的〈MTBF\|MTTR\|MTTF〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。其中服务定义了可靠性适用的智能计算服务名，MTBF、MTTR、MTTF为可靠性的指标名。	定量
可靠性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉保证可靠。	定性
合法性		作为一个〈角色〉，我希望在〈时刻\|时间〉，〈服务〉〈必须\|应该〉保证符合〈法律\|规定〉。其中时刻\|时间定义了智能计算服务的合法性需满足的时间范畴，法律\|规定定义了具体法律和规定名称。	定性
外观体验		作为一个〈角色〉，我希望在〈服务〉的〈界面〉〈增加\|删除\|修改〉〈界面组件\|风格〉，以便于〈目的〉。	定性
可维护性		作为一个〈角色〉，我希望〈服务〉的〈圈复杂度\|代码行数\|可维护性指数\|继承层次数\|类耦合度\|单元测试覆盖率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
可维护性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉易于〈维护\|修改\|测试〉。	定性
操作性		作为一个〈角色〉，我希望〈服务〉〈增加\|删除\|修改〉〈操作〉，以便于〈目的〉。	定性
性能	时间	作为一个〈角色〉，我希望在〈事件A〉与〈事件B〉之间，〈服务〉〈必须\|应该〉具有〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈时间单位〉的〈平均\|最大\|最小〉的〈响应时间\|处理时间\|延迟〉。	定量
	时间	作为一个〈角色〉，我希望在〈事件A〉与〈事件B〉之间，〈服务〉的〈响应时间\|处理时间\|延迟〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
	吞吐量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉具有〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉的〈数据\|请求\|项〉每〈时间单位〉的〈平均\|最大\|最小〉的〈事务率\|吞吐量\|速度〉。	定量
	吞吐量	作为一个〈角色〉，我希望〈服务〉的〈事务率\|吞吐量\|速度〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
	容量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉〈支持\|存储\|接收\|处理\|维持〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈平均\|最大\|最小〉〈x〉的〈数据\|请求\|项〉每〈时间单位〉。	定量
	容量	作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉〈提高\|降低\|保持〉〈支持\|存储\|接收\|处理\|维持〉的〈数据\| 请求\|项〉。	定性
	其他指标	作为一个〈角色〉，我希望在〈事件〉发生时，〈服务〉的〈性能指标〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	其他指标	作为一个〈角色〉，我希望在〈事件〉发生时，〈服务〉的〈性能指标〉〈必须\|应该〉〈提高\|降低\|保持〉。	定性
可移植性	代码变更率	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈代码变更率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	安装成功率	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈安装成功率〉〈必须\|应该〉〈等于\|小于\|大于\|小于等于\|大于等于〉〈x〉〈单位〉。	定量
	界面适应力	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉的〈界面〉必须适应〈平台\|环境〉。	定性
	功能完整性	作为一个〈角色〉，我希望从〈平台\|环境〉移植到〈平台\|环境〉时，〈服务〉必须保证完整性。	定性
可扩展性		作为一个〈角色〉，我希望将来在〈时刻\|时间〉，〈服务〉的〈性能指标〉〈必须\|应该〉〈等于\|小于\|大于\| 小于等于\|大于等于〉〈x〉〈单位〉。	定量
可扩展性		作为一个〈角色〉，我希望将来在〈时刻\|时间〉，〈服务〉〈必须\|应该〉提供〈更高\|更多〉的〈性能指标〉。	定性
安全性		作为一个〈角色〉，我希望〈服务\|数据\|文件〉〈必须\|应该〉提供〈安全操作〉，以便〈安全性目标〉。	定性
易用性		作为一个〈角色〉，我希望〈服务〉〈必须\|应该〉提供〈易用性机制〉，以便〈易用性目标〉。	定性
可解释性		作为一个〈角色〉，我希望〈服务〉的〈模型\|结果〉〈必须\|应该〉在〈特征\|数据\|算法〉上是可解释的，以便〈目的〉。其中模型\|结果代表服务在学习时所采用的模型和学习后生成的结果。	定性

编号	需求类别	数目	编号	需求类别	数目
1	功能性	692	7	易用性	85
2	操作性	1 061	8	可靠性	30
3	性能	40	9	安全性	52
4	可解释性	90	10	合法性	0
5	可扩展性	23	11	外观体验	0
6	可移植性	109	12	可维护性	31

编号	需求类别	数目	编号	需求类别	数目
1	功能性	692	7	易用性	85
2	操作性	1 061	8	可靠性	30
3	性能	40	9	安全性	52
4	可解释性	90	10	合法性	0
5	可扩展性	23	11	外观体验	0
6	可移植性	109	12	可维护性	31

需求类别	问题标题	问题描述	生成需求	优先级
功能性	How can I implement a recursive neural network in TensorFlow？	Is there some way of implementing a recursive neural network like the one in a paper using TensorFlow？…	作为一个研究者，我希望TensorFlow能实现树状结构递归神经网络，以便于验证论文中的方法。	7
可靠性	TensorFlow： Non‑ repeatable results	I have a Python script that uses TensorFlow to create a multilayer perceptron net （with dropout） in order to do binary classification. Even though I've been careful to set both the Python and TensorFlow seeds， I get non‑ repeatable results.	作为一个初学者，我希望TensorFlow随机种子函数应该保证可靠。	8
操作性	TensorFlow multiple sessions with multiple GPUs	I have a workstation with 2 GPUs and I am trying to run multiple tensorflow jobs at the same time， so I can train more than one model at once…	作为一个开发者，我希望修改资源调度策略，以便于不同的计算资源可以分别运行不同的计算任务。	9
性能	TensorFlow using all GPUs and still slow	I wrote a program to calculate word_embeddings， I have following issues…It is not fast， it is running at same speed as without GPU.	作为一个开发者，我希望在使用GPU运行程序发生时，程序的运行速度应该提高。	3
可移植性	TensorFlow dependencies needed. How to run TensorFlow on Windows	I am interested in getting TensorFlow to run on Windows， however at present I realize that this is not possible…	作为一个开发者，我希望从Linux移植到Windows时，TensorFlow的依赖项必须保证完整性。	5
可扩展性	TensorFlow example for text classification - how to evaluate your own text？	…if I wanted to train on different input set of say 1000 text files of my own samples， and then use that model for new text files？	作为一个初学者，我希望将来在在训练模型时，现有分类模型应该提供更高的样本兼容性。	4
易用性	TensorFlow read images with labels	I am building a standard image classification model with TensorFlow…What is the easiest way of pushing the labels together with the image data through the input queues？	作为一个初学者，我希望数据读取应该提供更简单的方法，以便将标签和图像数据一起通过输入队列输入。	10
可解释性	XOR gate with a neural network	I was trying to implement an XOR gate with tensorflow. I succeeded in implementing that， but i don't fully understand why it works…	作为一个初学者，我希望模型应该在特征上是可解释的，以便了解TensorFlow实现XOR gate的原理。	6

智能计算服务的需求获取方法

Requirement acquisition approach for intelligent computing services

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 26

相关文章 15

编辑推荐

Metrics

[1]	秦璟, 秦志光, 李发礼, 彭悦恒. 基于概率稀疏自注意力神经网络的重性抑郁疾患诊断[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2970-2974.
[2]	方介泼, 陶重犇. 应对零日攻击的混合车联网入侵检测系统[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2763-2769.
[3]	杨航, 李汪根, 张根生, 王志格, 开新. 基于图神经网络的多层信息交互融合算法用于会话推荐[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2719-2725.
[4]	王娜, 蒋林, 李远成, 朱筠. 基于图形重写和融合探索的张量虚拟机算符融合优化[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2802-2809.
[5]	李云, 王富铕, 井佩光, 王粟, 肖澳. 基于不确定度感知的帧关联短视频事件检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2903-2910.
[6]	唐廷杰, 黄佳进, 秦进. 基于图辅助学习的会话推荐[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2711-2718.
[7]	张睿, 张鹏云, 高美蓉. 自优化双模态多通路非深度前庭神经鞘瘤识别模型[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2975-2982.
[8]	杜郁, 朱焱. 构建预训练动态图神经网络预测学术合作行为消失[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2726-2731.
[9]	姚光磊, 熊菊霞, 杨国武. 基于神经网络优化的花朵授粉算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2829-2837.
[10]	黄颖, 杨佳宇, 金家昊, 万邦睿. 用于RGBT跟踪的孪生混合信息融合算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2878-2885.
[11]	杨兴耀, 陈羽, 于炯, 张祖莲, 陈嘉颖, 王东晓. 结合自我特征和对比学习的推荐模型[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2704-2710.
[12]	赵宇博, 张丽萍, 闫盛, 侯敏, 高茂. 基于改进分段卷积神经网络和知识蒸馏的学科知识实体间关系抽取[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2421-2429.
[13]	沈哲远, 杨珂珂, 李京. 基于双流神经网络的个性化联邦学习方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2319-2325.
[14]	张春雪, 仇丽青, 孙承爱, 荆彩霞. 基于两阶段动态兴趣识别的购买行为预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2365-2371.
[15]	陈彤, 杨丰玉, 熊宇, 严荭, 邱福星. 基于多尺度频率通道注意力融合的声纹库构建方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2407-2413.