需求获取中的追问生成
软件工程
2025-07-04 v1 计算与语言
摘要
访谈是需求获取中广泛使用的一种技术，用于收集利益相关者对软件系统的需求、偏好和期望。有效的访谈需要熟练的访谈者实时提出恰当的访谈问题，同时面临多重挑战，包括对领域不熟悉、认知负荷过重以及信息过载，这些都会阻碍人类处理利益相关者话语的能力。最近，大型语言模型（LLM）在多项自然语言处理任务中展现出最先进的性能，包括文本摘要和文本蕴含。为了支持访谈者，我们研究了如何应用GPT-4o，基于常见访谈者错误类型的框架，在需求获取过程中生成追问问题。此外，我们描述了基于受访者话语生成问题的方法。我们报告了一项受控实验，用于评估在极少指导下的LLM生成问题和人类编写问题，以及第二项受控实验，用于评估在生成过程由访谈者错误类型引导时的LLM生成问题。我们的研究结果表明，在这两项实验中，LLM生成的问题在清晰度、相关性和信息量方面都不逊于人类编写的问题。此外，当由常见错误类型引导时，LLM生成的问题优于人类编写的问题。这突显了利用LLM帮助访谈者实时提高需求获取访谈质量和便捷性的潜力。
引用
@article{arxiv.2507.02858,
title = {Requirements Elicitation Follow-Up Question Generation},
author = {Yuchen Shen and Anmol Singhal and Travis Breaux},
journal= {arXiv preprint arXiv:2507.02858},
year = {2025}
}
备注
13 pages, 2 figures, accepted at the 33rd IEEE International Requirements Engineering 2025