Soutenir les analystes par l'extraction dynamique et la classification des connaissances liées aux exigences

Dans de nombreux projets de développement logiciel, les analystes doivent traiter des exigences des systèmes provenant de domaines inconnus. La familiarité avec le domaine est nécessaire pour tirer pleinement parti de l'interaction avec les parties prenantes et pour extraire des informations pertinentes des documents de projet existants. L'extraction et la classification précises et rapides des connaissances sur les exigences soutiennent les analystes dans ce scénario complexe. Notre approche consiste à exploiter les enregistrements d'interaction en temps réel et les documents de projet pour les unités phrasales pertinentes sur les sujets liés aux exigences discutés lors de l'élaboration. Nous proposons d'utiliser à la fois des méthodes génératives et discriminantes. Pour extraire les termes pertinents, nous tirons parti de la flexibilité et de la puissance des Transducteurs à État Finis Pondérés (WFST) dans la modélisation dynamique des tâches de traitement du langage naturel. Nous avons utilisé une version étendue des Machines à Vecteurs de Support (SVM) avec des vecteurs de caractéristiques de taille variable pour extraire et classer efficacement et dynamiquement les connaissances liées aux exigences à partir des documents existants. Pour évaluer la performance de notre approche de manière intuitive et quantitative, nous avons utilisé des métriques de distance d'édition et de précision/rappel. Nous montrons dans trois études de cas que les extraits obtenus par notre méthode sont intuitivement pertinents et raisonnablement précis. De plus, nous avons constaté que des paramètres statistiques et linguistiques tels que les méthodes de lissage, et les caractéristiques de continuité et d'ordre des mots peuvent influencer la performance des tâches d'extraction et de classification.