İşlevsel-olmayan Türkçe yazılım proje gereksinimlerinin transfer öğrenmesi yöntemleri ile sınıflandırılması ve değerlendirilmesi

Yazılım projelerinde gereksinimlerin doğru ve açık biçimde tanımlanması, proje başarısı ve yazılım kalitesi açısından kritik öneme sahiptir. Özellikle işlevsel-olmayan gereksinimler; güvenlik, performans, kullanılabilirlik gibi nitelikleri belirleyerek sistemin genel kalitesine doğrudan etki etmektedir. Bu gereksinimlerin doğal dilde ifade edilmesi ve farklı biçimlerde yazılması, sınıflandırılmalarını zorlaştırmaktadır. Bu tez çalışmasında, Türkçe yazılım projelerinden elde edilen işlevsel-olmayan gereksinimlerin transfer öğrenmesi yöntemleri ile sınıflandırılması amaçlanmıştır. Bu doğrultuda, 40 farklı yazılım projesinden toplanan 3640 gereksinim ifadesi, manuel olarak etiketlenerek özgün bir veri seti oluşturulmuştur. Veri setinin %80'i eğitim, %20'si test verisi olarak ayrılmış; bu veri, sırasıyla makine öğrenmesi algoritmaları, derin öğrenme algoritmaları ve transformer tabanlı modellerle eğitilmiştir. Yapılan deneysel çalışmalarda, makine öğrenmesi algoritmaları arasında Linear SVC, derin öğrenme algoritmaları arasında CNN ve transformer modeller arasında BERTürk, kendi gruplarında en yüksek başarıyı göstermiştir. Tüm modeller karşılaştırıldığında, %93,44 doğruluk oranı ile BERTürk, işlevsel-olmayan gereksinimlerin sınıflandırılmasında en başarılı model olarak öne çıkmıştır. Bu çalışma, yazılım gereksinim mühendisliği ile doğal dil işleme tekniklerinin kesişiminde yer almakta ve Türkçe metinler üzerinde gerçekleştirilen sınıflandırma çalışmalarına önemli bir katkı sağlamaktadır.