CATE：从自然语言需求中提取因果树的工具
计算与语言
2021-07-23 v2 信息检索
摘要
因果关系（若 A，则 B）在需求制品中十分普遍。从需求中自动提取因果关系对于各种需求工程（RE）活动（例如自动推导合适的测试用例）具有巨大潜力。然而，我们缺乏一种能够以合理性能从自然语言中提取因果关系的方法。在本文中，我们展示了我们的工具 CATE（CAusality Tree Extractor，因果树提取器），它能够将因果关系的组合解析为树结构。CATE 不仅提供句子中原因与结果的概览，还通过将因果关系转化为二叉树来揭示其语义连贯性。我们鼓励研究人员和从业者在 https://causalitytreeextractor.com/ 使用 CATE。
引用
@article{arxiv.2107.10023,
title = {CATE: CAusality Tree Extractor from Natural Language Requirements},
author = {Noah Jadallah and Jannik Fischbach and Julian Frattini and Andreas Vogelsang},
journal= {arXiv preprint arXiv:2107.10023},
year = {2021}
}