May, 2022

使用基于 NLP 的文本表示技术支持需求工程任务：一项系统性映射综述

PDF
TL;DR本篇论文探讨了近年来自然语言处理在需求工程领域中的应用，通过系统文献综述的方法，发现除了传统的基于词法和句法特征，利用高级嵌入式表示的需求表征在大部分需求工程任务中均表现出很好的效果；但在其他任务中，基于词法和句法特征的表征仍然更为适用。同时，本文也指出了未来的研究方向和更深入探讨的问题。
natural language processingrequirements engineeringnlp-based representationsmachine learning techniquesembedding techniques
发现论文，激发创造
  • 自然语言处理技术在需求工程中的分类

    本文综合整理了 57 个最常用的自然语言处理技术，并采用两种不同的方式（任务和语言分析水平）进行分类，旨在促进对该领域常用技术的深入了解，以发展更好的自然语言处理工具

    Apr, 2022

  • 要求规范化的自然语言处理：如何得出新方法？

    自然语言处理在需求工程中的半自动化规范化过程中起着重要作用，提供了更好的辅助，并可适用于特定用例和领域。

    Sep, 2023

  • 结构推理要求工程中的自然语言 —— 一个综合性的回顾

    评估自然语言处理（NLP）工具在需求工程中的应用，发现目前没有开源的方法可以直接从文本中提取信息结构，认为需要不同的方法，可以通过管理算法、知识库和文本语料库来实现。

    Feb, 2022

  • 自然语言处理和机器学习在需求形式化中的应用：一项系统性评估

    本文基于对 257 篇文献的系统文献综述，对自然语言处理和机器学习在需求规范化中的应用进行了分类和总结，发现现有研究主要采用启发式 NLP 方法和传统机器学习技术，同时也指出了标准基准案例的缺失导致了不同方法性能比较的困难。

    Mar, 2023

  • 自然语言推理（NLI）在需求工程任务中的应用经验

    我们研究了自然语言推理 (NLI) 在自动化需求工程任务中的应用。我们集中在需求分类、需求规范缺陷的识别以及利益相关者需求冲突的检测三个任务。通过在不同学习设置下进行的实验，我们明确证明了我们的 NLI 方法在需求规范分析方面超越了传统的 NLP 方法以及基于大型语言模型和聊天机器人模型的其他方法。此外，我们分享了在学习设置方面的经验教训，使 NLI 成为自动化需求工程任务的合适方法。

    Apr, 2024

  • 现有词嵌入方法的全面实证评估

    本文通过对现有单词嵌入方法的特点和分类任务的分析，将单词嵌入方法划分为传统方法和基于神经网络的方法，揭示基于神经网络的单词表示方法相比于传统方法更能捕捉语言的语义和句法规律。实验验证了不同方法的性能差异。

    Mar, 2023

  • 深度学习在关系抽取中的综合调查：最新进展与新前沿

    本研究综述了关系抽取领域深度学习技术的现状，涵盖资源、分类、挑战和未来方向等方面，有望促进研究者共同探索真实生活中关系抽取系统的挑战。

    Jun, 2023

  • 神经关系抽取中句子级表示的语言特征探究

    提出 14 个探测任务，以研究 40 多种编码器架构和语言特征组合所学习的表示，发现神经关系抽取的性能受编码器架构和语言特征的影响，上下文化单词表示可以提高性能，而实体掩蔽则会降低与实体类型相关的探测任务的性能。

    Apr, 2020

  • 通过自然语言处理进行计算机工作市场分析

    利用自然语言处理技术从职位描述中提取相关信息，包括解决训练数据的稀缺性、标注指南的缺乏以及从职位广告中提取有效信息的不足等挑战，最终通过引入抽取方法和多个数据集相辅相成的检索增强模型来提高整体性能，并将提取到的信息置于特定分类体系中。

    Apr, 2024

  • 编程自然语言处理调查

    本文综述了自然语言处理在编程方面的研究，并从推理模型到最新竞争级模型全面调查了现有的相关工作，具有技术类别的完整性，方便查找和比较未来的工作。

    Dec, 2022