[1B3-GS-2] 機械学習：生成モデル

[1B3-GS-2-01] 大規模言語モデルの Function Calling の構造化機能を活用した情報システム非機能要求の自動分類

〇向田 和弘¹、福居 誠二²、長岡 武志²、北川 貴之²、小形 真平¹、岡野 浩三¹ (1. 信州大学、2. 株式会社東芝)

キーワード：ChatGPT、Function Calling、ファインチューニング、文書分類、非機能要求

本稿では，ソフトウェア開発の要件定義において特に要求が漏れやすい非機能要求に焦点を当て，経験豊富な専門家でなくとも，要求仕様書から非機能要求を効率的に抽出，分類できる手法を提案する．これまでに著者らは，BERT，GPT2 などの事前学習済みのTransformerモデルを組み込んだモデルを作成しファインチューニングを行うことで分類を試行してきた．近年ではChatGPT 等の対話型大規模言語モデルの普及により，プロンプトのやり取りのみによる推論が可能になりつつある中，これらの手法の文書分類タスクへの応用も進められている．本稿ではChatGPTのFunction calling機能の能力を探求し，プロンプトのみから生成される応答や従来の方法と比較して優れた結果を得る可能性に焦点を当てる．Function Calling は本来他のAPIや関数を呼び出すための機能であるが，その過程で生じる呼び出しに必要な引数の生成を活用することで，構造化データとして分類結果を得た．結果として，モデル作成や学習などの実験のプロセス全体を大幅に短縮したうえで、従来手法と同等以上の精度を得ることができた．