当前位置: X-MOL 学术Automat. Softw. Eng. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Natural language ambiguity resolution by intelligent semantic annotation of software requirements
Automated Software Engineering ( IF 2.0 ) Pub Date : 2021-07-21 , DOI: 10.1007/s10515-021-00291-0
Fariha Ashfaq 1 , Imran Sarwar Bajwa 1
Affiliation  

Natural Language (NL) is the root cause of ambiguity in the SRS document. The quality of the software development process can be improved by mitigating the risk with the use of semantically controlled representation. A possible solution to handle ambiguity can be the use of a mathematical formal logic representation in place of NL to capture software requirements. However, the use of formal logic is a complex task. A wrongly written formal logic will be difficult to handle and it will create serious problems in later stages of software development. Furthermore, stakeholders are typically not able to understand mathematical logic. Hence, this solution does not look feasible. Another possible way of addressing above discussed ambiguity problem is the use of controlled natural languages (CNL). It can work as a bridge between NL and formal representation. Since Requirement Analysis is based on communication and the analyst’s experience, it can be modeled up to a certain limit. This limit gives birth to controlled language. If the document is written in a controlled language, it will be feasible for the development team to use a simpler and less costly linguistic tool. The CNLs are syntactically unambiguous, semantically consistent and, controlled. Several CNLs could be found in literature such as ACE, PENG, CPL, Formalized-English, and Semantics of Business Vocabulary and Rules (SBVR), etc. We aim to use an SBVR based CNL to capture stakeholder’s requirements and prepare an SRS document using SBVR. Such software requirements will not only be syntactically clear but also semantically consistent.



中文翻译:

通过软件需求的智能语义标注解决自然语言歧义

自然语言 (NL) 是 SRS 文档中歧义的根本原因。通过使用语义控制的表示来降低风险,可以提高软件开发过程的质量。处理歧义的一种可能解决方案是使用数学形式逻辑表示代替 NL 来捕获软件需求。然而,形式逻辑的使用是一项复杂的任务。错误编写的形式逻辑将难以处理,并且会在软件开发的后期阶段产生严重的问题。此外,利益相关者通常无法理解数理逻辑。因此,该解决方案看起来不可行。解决上述歧义问题的另一种可能方法是使用受控自然语言 (CNL)。它可以作为 NL 和正式表示之间的桥梁。由于需求分析基于沟通和分析师的经验,因此可以在一定限度内对其进行建模。这种限制催生了受控语言。如果文档是用受控语言编写的,开发团队可以使用更简单、成本更低的语言工具。CNL 在句法上是明确的,语义上是一致的,并且是受控的。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求,并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。由于需求分析基于沟通和分析师的经验,因此可以在一定限度内对其进行建模。这种限制催生了受控语言。如果文档是用受控语言编写的,开发团队可以使用更简单、成本更低的语言工具。CNL 在句法上是明确的,语义上是一致的,并且是受控的。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。由于需求分析基于沟通和分析师的经验,因此可以在一定限度内对其进行建模。这种限制催生了受控语言。如果文档是用受控语言编写的,开发团队可以使用更简单、成本更低的语言工具。CNL 在句法上是明确的,语义上是一致的,并且是受控的。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求,并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。这种限制催生了受控语言。如果文档是用受控语言编写的,开发团队可以使用更简单、成本更低的语言工具。CNL 在句法上是明确的,语义上是一致的,并且是受控的。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。这种限制催生了受控语言。如果文档是用受控语言编写的,开发团队可以使用更简单、成本更低的语言工具。CNL 在句法上是明确的,语义上是一致的,并且是受控的。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。语义一致和受控。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。语义一致和受控。一些 CNL 可以在文献中找到,例如 ACE、PENG、CPL、形式化英语和业务词汇和规则语义 (SBVR) 等。我们的目标是使用基于 SBVR 的 CNL 来捕获利益相关者的要求,并使用SBVR。这样的软件需求不仅在语法上清晰,而且在语义上也是一致的。

更新日期:2021-07-22
down
wechat
bug