现场测试成本高昂且耗时（Jiao & Lissitz，2020 年）。人们做出了各种努力来限制对新项目进行大量现场测试的需要（例如，Glas & van der Linden，2003 年）。一些人转向自然语言处理 (NLP) 来近似项目难度和从项目文本中进行区分（Benedetto 等人，2020 年；Laverghetta 等人，2021 年；Luger，2016 年）。NLP 是人工智能 (AI) 的一个分支，旨在让计算机理解文本和语言。目前，NLP 领域由最先进的深度学习模型架构 Transformer（Vaswani 等人，2017 年）引领。Transformer 的核心是多头注意力机制，它通过识别每个单词与其他单词的上下文关系来有效地创建每个单词的含义。例如，Transformer 能够区分“write a check”和“check the engine”这两个短语中“check”的含义差异。Transformer 还擅长理解相对较长的文本的含义。