基于双编码器的软件需求句子对自动冲突检测的迁移学习方法
软件工程
2025-12-01 v1 人工智能
摘要
软件需求文档（RD）通常包含数万条独立需求，确保这些需求之间的一致性对于软件工程项目的成功至关重要。自动化检测方法可以显著提升效率并降低成本；然而，现有方法仍面临检测不平衡数据上的准确率低、单一编码器导致语义提取有限以及跨域迁移学习性能次优等挑战。为此，本文提出了基于SBERT和SimCSE的可迁移软件需求冲突检测框架，称之为TSRCDF-SS。首先，该框架采用两个独立的编码器——Sentence-BERT（SBERT）和Simple Contrastive Sentence Embedding（SimCSE）——为需求对生成句子嵌入，随后采用六元素拼接策略。此外，分类器通过两层全连接前馈神经网络（FFNN）进行增强，采用融合损失优化策略，集成Focal Loss变体、领域特定约束和基于置信度的惩罚项。最后，本框架集成了顺序和跨域迁移学习。实验结果表明，所提出的框架在域内设置下在宏F1和加权F1分数上分别提高了10.4%，在跨域场景下在宏F1上提高了11.4%。
引用
@article{arxiv.2511.23007,
title = {A transfer learning approach for automatic conflicts detection in software requirement sentence pairs based on dual encoders},
author = {Yizheng Wang and Tao Jiang and Jinyan Bai and Zhengbin Zou and Tiancheng Xue and Nan Zhang and Jie Luan},
journal= {arXiv preprint arXiv:2511.23007},
year = {2025}
}
备注
22 pages, 7 figures, 3 tables