以實體鏈接方法從需求生成軟體設計

Abstract

在軟體工程的領域裡面，軟體設計一直是個很重要的研究主題，在之前已有許多研究提出各種自動或半自動的方式從需求生成軟體設計， 但沒有人能夠從無限制的自然語言寫成的需求中，自動地生成品質尚可的軟體設計。 為此我們提出了一個基於神經網路的方法，這個方法能夠學習需求中物件之間的依賴關係，減輕自然語言的複雜度所帶來的問題，最後自動生成設計圖。 此外，我們也提出一個實體鏈接的方法去驗證自動生成的設計圖。 在本研究中，我們專注在生成類別圖與循序圖。 我們的神經網路模型在類別圖的依賴關係分析的部分，達到了77%的結構準確率以及70%的依賴關係準確率。 而實體鏈接驗證在實驗中達到了80%的準確率。

Software design from requirements has long been an important research topic in software engineering. Previous research has proposed many automatic or semi-automatic methods to generate software design from requirements, but none of them can automatically parse requirements in unrestricted natural language with an acceptable result. We propose a neural network-based approach to learning the dependencies between objects in requirements, alleviating the problem caused by the complexity of natural language, and generating the UML diagram automatically. An entity linking approach is also proposed to verify the generated diagrams. In this work, we focus on the generation of class diagrams and sequence diagrams. Our neural network model reaches 77% structural accuracy and 70% label accuracy on class diagram dependency parsing. The entity linking verification reaches 80% precision in the experiment.