[Zurück]

C. Becker:
"ReUse Cases: Supporting Knowledge Management and Reuse with Self-Organizing Use Case Maps";
Betreuer/in(nen): A. Rauber; Institute for Software Technology and Interactive Systems, 2006; Abschlussprüfung: 15.03.2006.

Unternehmen in der heutigen Software-Industrie sehen sich zunehmend konfrontiert mit der Herausforderung, Informationen über ihre vergangenen, aktuellen und zukünftigen Projekte zu verwalten. Die effektive und effiziente Wiederverwendung von Wissen, Erfahrung und Software-Artefakten ist einer der Schlüsselfaktoren zum Erfolg. Um die gewaltige Anzahl dieser Dokumente, wie z.B. Beschreibungen von Anforderungsfällen, zu organisieren, kann eine digitale Bibliothek zum
Einsatz kommen, die Dokumente basierend auf ihrem Inhalt organisiert und den Benutzern ermöglicht, eine potenziell unbekannte Sammlung auf intuitive Weise zu erforschen und analysieren.
Im Bereich der Software-Wiederverwendung ist eines der kritischen Probleme das Auffinden geeigneter Kandidaten für Wiederverwendung; im Bereich des Wissensmanagements ist das Finden der richtigen Quellen, die im Besitz von stillem Wissen sind, eine wichtige Frage. Das Abbilden von Anforderungsfällen eines neuen Projektes auf die bestehende Sammlung kann wertvolle Ähnlichkeiten aufzeigen,
die mit herkömmlichen Methoden zur Informationsgewinnung wie der Suche
nach Schlüsselwürtern nicht aufgedeckt werden.
Diese Arbeit untersucht self-organizing maps (SOMs) als eine mögliche Lösung der skizzierten Probleme. SOMs sind eine Technik aus dem Bereich der neuronalen Netze, die hochdimensionale Daten auf nieder-dimensionale Repräsentationen abbilden und dabei die topologische Ordnung der Daten beibehalten.
Momentan erschwert jedoch eine Reihe von Hindernissen diese und andere
potenzielle Anwendungen von SOMs. Die notwendigen Schritte der Datenextraktion, Indizierung und feature space reduction sind mit den zur Verfügung stehenden Werkzeugen sehr zeitaufwändig und mühsam zu bewältigen; auch wird die inhärente Struktur von Anwendungsfällen und anderen Texten, die spezifische Text-Segmente mit verschiedenen Charakteristiken enthalten, nicht berücksichtigt.
Um diese Hindernisse zu beseitigen, stellt diese Arbeit ein neues System mit dem Namen SERUM - SElf oRganizing Use case Maps vor, das bestehende Module zur Textindizierung, feature space reduction sowie Training und Anzeige der SOMS kombiniert und erweitert, um den Benutzer während des gesamten Arbeitsablaufes von der Vorbereitung der Dokumente bis zur Analyse der resultierenden Karten
zu unterstützen. SERUM bietet einen Muster-basierten Extraktionsprozess, die Organisation von Dokumenten nach den Ähnlichkeiten bestimmter Abschnitte, differenzierte feature space reduction und komfortables Training der SOMs.
Wir beschreiben Architektur, Komponenten und Arbeitsablauf und wenden
das System an, um mehrere Sammlungen von Anforderungsfällen von Partnern aus der Software-Industrie zu organisieren. Wir zeigen potenzielle Anwendungen und Vorteile für eine Software-Organisation sowie künftige Forschungsrichtungen.

Organizations in today´s software industry are increasingly faced with the challenge of managing information about their past, present, and future projects. The effective and efficient reuse of past knowledge, experience, and assets is one of the key success factors in the software business. To organize the huge number of documents arising during software projects, e. g. use case documents, a digital library
offering content-based organization may be used. It allows the user to explore and analyze a potentially unknown library in an intuitive way.
In software reuse, finding suitable reuse candidates for a more or less accurately specified problem is one of the critical questions. In knowledge managment, an important issue is finding correct sources of tacit knowledge. Mapping the use cases of a new project to the existing collection may reveal valuable similarities that might not be uncovered by traditional information retrieval methods like key-word based search.
This thesis investigates a digital library system based on self-organizing maps (SOMs) as potential solution to these problems. SOMs are a powerful unsupervised neural network technique mapping high-dimensional input data to lowerdimensional representations while preservering the topological ordering of input data.However, so far there have been a number of obstacles hindering this and other potential applications of SOMs to document collections. The successive
steps of data extraction, indexing and feature space reduction can be very tedious and prohibitively expensive. Furthermore, the inherent structure of use cases and other texts containing several specific segments of text with different characteristic content is not taken into account yet.
To overcome these obstacles, this thesis proposes a new tool, called SERUM - SElf oRganizing Use case Maps, that combines and extends existing tools for indexing, feature space reduction, SOM training and map interaction to a comfortable toolset that supports the user during the complete workflow of pre-processing documents, training SOMs and exploring the resulting maps. The tool features a pattern-controlled extraction process, organization of documents according to the
similarities of specific sections according to the needs of the user, sophisticated feature space reduction modules and comfortable map training.
We describe the architecture, components, and workflow, and apply the tool to organize several real-world collections of use cases obtained from industrial partners from different software branches. We point out potential benefits to a software organization and directions for future research.

software reuse, knowledge management, use cases, self-organizing maps, feature space reduction