Mar, 2023

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

PDF
TL;DR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。
requirement formalisationnatural language processingmachine learningliterature reviewperformance evaluation
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

    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。

    May, 2022

  • 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

  • MDSE 系统中神经语言模型和少样本学习的技术报告

    本文针对汽车领域系统工程中开发过程中所出现的大量需求，探讨了利用基于大型预训练语言模型的少样本学习实现从非正式需求到结构化语言进行自动翻译的方法，并表明少于十个翻译示例的支持集就足以进行语言模型的少样本训练。

    Nov, 2022

  • 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

  • 电子病历中的自然语言处理与医疗决策：一项系统性综述

    本研究阐述了自然语言处理技术在电子病历上的应用存在的挑战和限制，以及研究人员使用机器学习、深度学习等技术进行处理和信息提取的相关领域和方法。

    Jun, 2023

  • 深度学习基于自然语言处理的进展：一项调查

    该研究综述了深度学习方法和模型在自然语言处理方面的应用和进展，分析和比较了不同方法和先进模型对语义分析和 NLP 任务领域的促进作用。

    Mar, 2020

  • 软件工程中机器学习的系统文献综述

    应用机器学习技术研究软件工程领域的现状，特别关注软件质量保证、软件维护、软件理解和软件文档等方面。

    Jun, 2024