现代软件是许多学科和应用环境中日常活动的重要组成部分。通过利用人工智能引入智能自动化在许多领域取得了突破。人工智能的有效性可以归因于诸多因素，其中之一是数据的不断增加。监管框架（如欧洲联盟的常规数据保护条例）出台以确保个人数据的保护。收集、处理或共享个人数据的软件系统必须符合这些法规。开发符合要求的软件在很大程度上取决于满足适用法规中规定的法律要求，这是软件开发流程中需求工程（RE）阶段的核心活动。RE 主要涉及对系统需求（包括法律要求）进行规定和维护。描述组织为处理个人数据而实施的政策的法律协议可以作为除法规外获取法律要求的另一信息来源。在本章中，我们探讨了分析法律要求的各种方法，并以 GDPR 为例进行了说明。具体来说，我们描述了从法规中创建机器可分析表示的可能替代方法，调查了现有的自动化手段以便对法规进行合规验证，并进一步反思了法律要求分析的当前挑战。

Nov, 2023

该研究介绍了一种基于文档检索的监管信息检索新方法 REG-IR，该方法使用一个包含整个文档的查询，比传统的短查询更具挑战性。此外，研究人员通过 EU 指令和英国立法之间的关系编制并发布了两个数据集，并使用基于 BERT 模型的多个表示从 BM25 到 k 最近邻的各种预取器进行了实验，证明对 BERT 模型进行领域内微调是 IR 的最佳表示。实验表明，由于存在相反标签的相似查询 - 文档对的相互矛盾监督，神经网络重新排序器表现不佳。然而，实验进一步表明，应用日期过滤器可以进一步提高检索性能，突显时间维度的重要性。

Jan, 2021

我们的研究通过对六大主要平台（Amazon、Bing、Booking、Google、Tripadvisor 和 Yahoo）的检测，评估了欧盟平台对企业（P2B）规例的合规性，并引入和测试了基于 ChatGPT 和信息检索技术的自动合规评估工具，其可作为可靠的合规性评估代理。我们的研究结果有助于提高规章合规性，并与联合国可持续发展目标 10.3 保持一致，该目标旨在减少这些平台上的不平等，包括商业差距。

Dec, 2023

该论文为澳大利亚金融监管机构开发了一种基于人工智能技术（如自然语言处理、机器学习和深度学习）的方法，以系统性地对个人财务咨询文件进行监管风险评估，为文件的各种风险因素提供红黄绿灯评级，并能快速识别高风险文件。这是一个关于开发面向政府和公共部门人工智能系统的公私合作的案例研究。

Oct, 2019

本文研究了高度规范的行业比如银行和医疗领域中所遇见的遵循法规标准的云计算难题，提出了使用人工智能技术解决技术规范和法规控制之间的映射问题的方法，并进行了早期结果的展示和讨论

Jun, 2022

通过使用 BERT-based 句子分类器和依存句法分析，本文提出了一种名为 GUIDO 的混合方法来提取处理模型，取得了较纯粹基于规则的方法显著更好的结果，平均行为相似度得分为 0.93，并且相比于纯机器学习方法，标注成本低。

Jul, 2023

该论文通过案例研究比较了基于生成模型的聊天机器人（如 GPT 和 PaLM）在过程执行支持中的表现，揭示了使用会话式方法支持生成聊天机器人作为理解过程感知建模符号并协助用户执行任务的挑战性问题。

Nov, 2023

本书章节探讨了人工智能（AI）与软件工程（SE）相融合的时代中，特别是要将自然语言处理（NLP）和生成式 AI 融入到企业关键软件系统中所面临的挑战。通过实际洞察、解决方案和示例，提供必要的知识和工具来有效地构建以 NLP 为核心的解决方案，并强调了在开发软件系统时处理与文本数据相关性越来越重要的新的需求工程任务。

Feb, 2024

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

使用语言模型自动化构建可执行知识图谱以实现合规性，通过手动标记部分法规、训练 BERT 模型以及核心引用解析和语法分析，生成了一个存储在 Neo4j 数据库中的知识图谱，并展示了使用 Cypher 查询和图神经网络相结合的扩展性判决自动化系统的概念。

Feb, 2023