Extracción de Conocimiento de Requerimientos en Lenguaje Natural a un Grafo de Relaciones Semánticas

La extracción y representación de conocimiento tiene como objetivo identificar información y transformarla en un formato legible por máquina. Las representaciones de conocimiento apoyan tareas de Recuperación de Información como buscar declaraciones individuales, documentos o metadatos. Las especificaciones de requisitos de sistemas complejos, como los sistemas de software automotriz, suelen dividirse en diferentes especificaciones de subsistemas. Sin embargo, hay relaciones semánticas entre los documentos individuales de los subsistemas separados, que deben considerarse en procesos posteriores (por ejemplo, dependencias). Si los ingenieros de requisitos u otros desarrolladores no son conscientes de estas relaciones, esto puede llevar a inconsistencias o fallas en el sistema global. Por lo tanto, existe una fuerte necesidad de apoyo de herramientas para detectar relaciones semánticas en un conjunto de grandes especificaciones de requisitos en lenguaje natural. En este trabajo presentamos un enfoque de extracción de conocimiento basado en una representación explícita del contenido de los requisitos en lenguaje natural como un grafo de relaciones semánticas. Nuestro enfoque es completamente automatizado e incluye una canalización de NLP para transformar requisitos en lenguaje natural sin restricciones en un grafo. Dividimos el lenguaje natural en diferentes partes y las relacionamos entre sí en función de su relación semántica. Además de las relaciones semánticas, también se pueden incluir otras relaciones en el grafo. Prevemos utilizar un algoritmo de búsqueda semántica como la activación dispersa para permitir a los usuarios buscar diferentes relaciones semánticas en el grafo.