사용자 피드백 기반 요구사항 우선순위 향상과 연결성 활용

본 논문은 요구사항 우선순위 결정 문제(NRP)를 사용자 피드백 기반으로 해결하는 최신 방법인 ReFeed을 개선하는 새로운 접근법 iReFeed을 제안한다. ReFeed은 각 요구사항에 대해 모바일 앱 스토어 리뷰와 텍스트 유사도(Jaccard)를 계산하고, 긍정·부정 감성 점수와 speech‑act 기반 의도 점수를 결합해 우선순위를 산출한다. 그러나 ReFeed은 요구사항을 서로 독립적인 개체로 취급하고, 요구사항 간 관계를 전혀 고려하지 않는다. iReFeed은 두 가지 주요 아이디어로 이를 보완한다. 첫째, 사용자 리뷰를 토픽 모델링 기법(예: LDA, HDP)으로 군집화하여 의미적으로 연관된 요구사항들을 하나의 클러스터에 묶는다. 이렇게 하면 동일 토픽에 속한 요구사항들이 동일한 피드백 집합에 노출되므로, 피드백이 개별 요구사항이 아닌 클러스터 수준에서 영향을 미치게 된다. 둘째, 클러스터 내부에서 요구사항 간 “requires” 관계를 자동으로 도출한다. 이를 위해 연구자는 OpenAI의 최신 대형 언어 모델(ChatGPT‑4.5와 4o)을 활용해, 각 클러스터에 포함된 요구사항 목록을 프롬프트로 제공하고 비대칭 의존 관계(ra → rb)를 추론하도록 했다. 실험 결과, 전체 요구사항을 한 번에 입력하는 경우보다 클러스터별 프롬프트가 더 많은 정확한 “requires” 쌍을 생성했다. 생성된 “requires” 관계는 NRP 해결 시 제약조건으로 사용된다. 논문은 다목적 진화 알고리즘인 NSGA‑II를 채택했으며, 기존 NSGA‑II에 iReFeed이 제공한 관계 제약을 추가함으로써 해 공간을 효과적으로 제한한다. 이는 특히 자원 제한(예: 개발 인력·시간) 하에서 가치 최대화와 비용 최소화라는 두 목표 사이의 트레이드오프를 더 명확히 만든다. 평가 실험은 네 개 실제 소프트웨어(Word Processor, 모바일 메신저, 전자상거래, 스마트 홈)에서 추출한 94개의 NRP 인스턴스를 대상으로 수행되었다. 각 인스턴스는 30~50개의 요구사항, 이해관계자별 가치 점수, 구현 비용 추정치를 포함한다. iReFeed 기반 우선순위는 기존 ReFeed 대비 평균 7.4%~12.1%의 가치 향상을 보였으며, 특히 요구사항 수가 많고 복잡한 인스턴스에서 개선 폭이 크게 나타났다. 또한, “requires” 관계를 도입한 NSGA‑II는 수렴 속도가 빨라졌으며, Pareto 전선 상의 해 다양성도 유지되었다. 연구자는 iReFeed의 재현성을 위해 사용된 데이터셋, 토픽 모델링 파라미터, LLM 프롬프트 템플릿, 그리고 NSGA‑II 구현 코드를 공개하였다(doi:10.5281/zenodo.18881986). 향후 연구 과제로는 (1) 클러스터링 단계에서 자동 파라미터 최적화 및 동적 토픽 업데이트, (2) LLM 기반 관계 추출의 정확도 향상을 위한 프롬프트 엔지니어링 및 인간‑AI 협업 라벨링, (3) 실시간 앱 스토어 리뷰 스트림을 활용한 지속적인 우선순위 재평가, (4) 다양한 도메인(예: 임베디드 시스템, 클라우드 서비스)에서의 일반화 검증을 제시한다. 결론적으로, 요구사항 간 연결성을 고려한 iReFeed은 사용자 피드백을 보다 풍부하게 활용하고, 자동화된 “requires” 관계 탐지를 통해 SBSE 기반 릴리즈 플래닝의 품질을 실질적으로 향상시킨다. 이는 요구사항 관리와 릴리즈 계획에 있어 기존 독립적 접근법의 한계를 극복하고, 대규모 실무 프로젝트에 적용 가능한 확장성을 제공한다.