从需求制品中自动提取因果关系
软件工程
2023-12-13 v1
摘要
背景：从自然语言句子中检测和提取因果关系在各个应用领域展现出了巨大潜力。需求工程领域适用于此有多个原因：(1) 需求制品主要以自然语言编写，(2) 因果句传达了关于需求主题的基本上下文，(3) 提取并形式化的因果关系可用于（半）自动翻译为其他制品，如测试用例。目标：我们旨在理解基于语法标准的交互式因果关系提取在需求工程背景下的价值。方法：我们开发了一个自动因果关系提取系统的原型，并通过将其应用于一组公开可用的需求制品来对其进行评估，以确定自动提取是否减少了需求形式化的手动工作量。结果：在评估期间，我们分析了来自 18 份需求文档的 4457 个自然语言句子，其中 558 个为因果句（12.52%）。对一份需求文档的最佳评估平均提供了 48.57% 的因果图自动提取，这证明了该方法的可行性。局限性：该方法的理论可行性已得到证明，但缺乏在实际应用中规模化扩展的探索。评估自动因果关系提取对需求工程师的适用性留待未来研究。结论：基于语法的因果关系提取方法在需求工程背景下是可行的，并且可以辅助构建从需求制品自动生成其他制品的流水线。
引用
@article{arxiv.2312.06986,
title = {Automatic extraction of cause-effect-relations from requirements artifacts},
author = {Julian Frattini and Maximilian Junker and Michael Unterkalmsteiner and Daniel Mendez},
journal= {arXiv preprint arXiv:2312.06986},
year = {2023}
}
备注
ASE '20: Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering