一种基于提示的少样本学习软件冲突检测方法

软件需求规格说明(SRS)文档是软件开发生命周期的重要组成部分,其中列出了开发中的软件程序必须满足的需求。该文档通常由多样化的利益相关者指定并持续变更,使得维护文档并检测需求间冲突成为软件开发中的一项关键任务。值得注意的是,未能尽早处理 SRS 文档中冲突的项目会在开发生命周期后期面临严重问题。这些问题在时间与资金上造成巨大成本,且这些成本常成为不可逾越的障碍,最终导致软件项目彻底终止。因此,尽早检测 SRS 冲突对项目可持续性至关重要。冲突检测任务有诸多实现方式,其中许多需要开发者大量人工介入,或需要访问大量带标签的、特定任务的训练数据。本工作中,我们提出使用基于提示的学习方法进行少样本学习以检测冲突。我们将结果与使用预训练语言模型(如 BERT 及其变体)的监督学习方法进行比较。我们的结果表明,仅用 32 个标注样本进行提示,即可在许多关键指标上达到与在规模大数个数量级的训练集上监督学习相似的性能。与许多其他冲突检测方法不同,我们不假设底层需求的类型,从而能够分析功能与非功能需求的配对。这使我们免去了从数据集中过滤非功能需求这一可能昂贵的任务。