要求规范化的自然语言处理:如何得出新方法?
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
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
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
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
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
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
该论文提出了一种利用自然语言处理技术从无结构自然语言文本中自动生成系统图的方法,其目的是为系统工程师提供更加标准、全面和自动化的起点,并在六个案例中进行了验证。
Aug, 2022
借鉴实际需求工程师与客户之间的协作模式,该论文提出了一种基于对话的计算机辅助软件需求分析的交互蓝图。与纯粹的模型提取方法相比,该交互蓝图鼓励个性、创造力和真实的妥协。通过一个简单的实验证明了这一总体理念,并认为自然语言处理和生成型人工智能的进展可能在可预见的未来取得重大进展,然而,这需要从神奇的黑盒子期望中远离,并转向承认作为需求工程的不可否认的个性的对话式方法。
Oct, 2023