基于NLP的文本表示技术对需求工程任务的支持：系统映射综述

Riad Sonbol; Ghaida Rebdawi; Nada Ghneim

doi:10.1109/ACCESS.2022.3182372

基于NLP的文本表示技术对需求工程任务的支持：系统映射综述

软件工程 2022-06-15 v1 人工智能计算与语言

作者: Riad Sonbol , Ghaida Rebdawi , Nada Ghneim

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

自然语言处理(NLP)被广泛用于支持不同需求工程(RE)任务的自动化。大多数所提方法以各类NLP步骤开始，分析需求语句、提取其语言信息，并将其转换为易于处理的表示，例如特征列表或基于嵌入的向量表示。这些基于NLP的表示通常在后续阶段用作机器学习技术或基于规则的方法的输入。因此，需求表示在决定不同方法的准确性方面起着主要作用。在本文中，我们以系统文献映射(分类)的形式开展了一项调查，以查明(1)RE任务文献中使用了哪些表示，(2)这些工作的主要焦点是什么，(3)该领域的主要研究方向是什么，以及(4)存在哪些差距和潜在未来方向。在汇编了2,227篇论文的初始池并应用一组纳入/排除标准后，我们获得了包含104篇相关论文的最终池。我们的调查显示，研究方向已从词法与句法特征的使用转向高级嵌入技术的使用，尤其在最近两年。使用高级嵌入表示已在大多数RE任务(如需求分析、从评论和论坛提取需求，以及语义级质量任务)中证明其有效性。然而，基于词法和句法特征的表示对其他RE任务(如建模和句法级质量任务)仍更合适，因为它们为处理这些任务时使用的规则和正则表达式提供了所需信息。此外，我们识别了现有文献中的四个差距、其重要性，以及未来研究如何开始解决它们。

关键词

自然语言处理需求工程文本表示嵌入技术系统映射综述词法特征

引用

@article{arxiv.2206.00421,
  title  = {The Use of NLP-Based Text Representation Techniques to Support Requirement Engineering Tasks: A Systematic Mapping Review},
  author = {Riad Sonbol and Ghaida Rebdawi and Nada Ghneim},
  journal= {arXiv preprint arXiv:2206.00421},
  year   = {2022}
}