Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Y |
|X|
|Y |
Iaccaiu
|X
Y |
|X
Y |
Cosinus
|X
Y |
|X||Y |
Tabelle 1: A hnlichkeitsmae (0uelle: |Nan99, S.
299])
Biese veischieuenen Nazahlen unteischei-
uen sich hinsichtlich Peifoimance, Recall, Piecisi-
on unu Acuiacy, wie man in Abbiluung 1 auf Sei-
te 4 eikennen kann. Biese 0nteischieue sinu allei-
uings sehi kontextabha ngig. Bahei soll uiese Ab-
biluung nui als Beispiel veistanuen weiuen. Biei
soll ueutlich weiuen, uass im speziellen Fall man
sehi genau testen sollte welches Na angebiacht
ist.
5 Verbesserungsmglichkeiten
Auch wenn uie Nethoue in ihiei bishei voigestell-
ten Foimschon einen gioen Foitschiitt uaistellt,
gibt es noch einige No glichkeiten sie zu veibes-
sein.
5.1 Anforderungscluster
Nit Bilfe uei in Abschnitt 4 voigestellten Nae
kann eine bina ie Relation u bei allen Anfoiueiun-
gen eizeugt weiuen. Wiiu nun uie tiansitive Bu l-
le uiesei Relation gebiluet, eiha lt man Clustei von
Anfoiueiungen, uie alle ineinemgewissenZusam-
menhang stehen.
Aufgiunu uei Tatsache, uass viele uiesei so
entueckten Anfoiueiungspaaie nicht uiiekt als
a hnlich eikannt wuiuen, sinu sie mo glicheiweise
besonueis inteiessant, ua sie sehi subtile veibin-
uungen aufzeigen ko nnen.
Alleiuings ko nnen auf uiese Weise sehi gioe
Clustei entstehen (z.B. >Su). Beshalb ist es sinn-
voll hiei eine ku nstliche Begienzung einzubauen
um sicheizustellen, uass sich uiese Clustei noch
`Bie Reihenfolge ko nnte nui uie Semantik veia nuein, abei bei einem veigleich auf lexikalischei Ebene ist sie unwichtig.
Ba uie Beueutung uei Woite nicht uiiekt eisichtlich ist, habe ich auf eine 0 beisetzung veizichtet.
S
Bauptseminai veiwaltung gioei Anfoiueiungsmengen mit Bilfe von NLP
Abbiluung 1: veihalten veischieuenei A hnlichkeitsmae (0uelle: |oBuvuuS])
effizient von einem Nenschen beuiteilen lassen
ko nnen.
5.2 Erweiterte hnlichkeitsanalysen
mittels Thesauri
Eine Limitieiung, uie auch uuich uen Clusteian-
satz nicht beseitigt wiiu, besteht uaiin, uass kei-
ne Eikennung von Synonymen ouei allgemeinei
inhaltlich a hnlichen Wo itein eifolgt. 0m uieses
Pioblemmit iealistischemAufwanu zu beseitigen,
bieten sich anwenuungsspezifische Thesauii an.
Nit Thesauii lassen sich auch iiitu mliche Tief-
fei veimeiuen, ua sich mit ihiei Bilfe Wo itei in
spezielleie Anwenuungskontexte einoiunen las-
sen. Auf uiese Weise entfallen Anfoiueiungspaa-
ie, uie zwai viele gemeinsame Wo itei besitzen, je-
uoch in einem unteischieulichen Kontext stehen
unu somit uoch nicht in unseiem gewu nschten
Sinn a hnlich sinu.
6 Andere NLP-Anstze
Bei hiei voigestellte Ansatz ist nui einei von vie-
len NLP-basieiten Ansa tzen im RE. Im Folgenuen
sollen einige uiesei anueien Ansa tze voigestellt
weiuen.
6.1 Eingeschrnkte Sprache
Ein veibieitetei Ansatz um uem Pioblem uei in-
ha ient komplexen menschlichen Spiache zu be-
gegnen, ist uie veiwenuung von eingeschia nkten
Spiachen. Bieibei weiuen typischeiweise Scha-
blonen veiwenuet, uie eine feste Satzstiuktui voi-
geben.
Auf uiese Weise ist es leicht mo glich uen ge-
nauen Kontext einei Anfoiueiung zu bestimmen,
unu somit einfachei zu eikennen, ob sich zwei An-
foiueiungen tatsa chlich auf uie selbe Entita t be-
ziehen.
6.2 (Halb-)Automatische Erzeugung
formaler Speziikationen
In |eau2] schlagen uie Autoien eine Nethoue voi,
bei uei aus einei Spezifikationeine staikannotiei-
te veision eizeugt wiiu, inuem Phiasen aus uem
uispiu nglichen Bokument mit einemBoma nenle-
xikon veiglichen weiuen. Bieses Bokument kann
uannmit betia chtlichgeiingeiemAufwanuvonei-
nem Expeiten in eine foimale Zwischenspiache
u beisetzt weiuen, welche noch ielativ nah an uei
natu ilichen Spiache liegt. Aus uiesei Zwischen-
spiache kann uann automatisieit ein Nouell ei-
zeugt weiuen.
Ein a hnlichei Ansatz, uei jeuoch noch ei-
ne veibinuung zum Nouel-Biiven-Bevelopment
heistellt, wiiu in |conu9] voigestellt. 0m einen
vollsta nuig automatisieiten Ansatz zu eiieichen
schlagen uie Autoien uen Einsatz einei einge-
schia nkten Spiache voi(vgl. 6.1). Ba uie Autoien
valiuieiung unu veiifikation uiiekt auf uen Boku-
menten in (eingeschia nktei) natu ilichei Spiache
betieiben wollen, wiiu es fu i uie Stakeholuei viel
einfachei uie tatsa chliche Koiiektheit uei Boku-
mente zu u beipiu fen, ua uiese in einei fu i uie Sta-
keholuei veista nuliche Spiache bleiben.
4
Bauptseminai veiwaltung gioei Anfoiueiungsmengen mit Bilfe von NLP
6.3 Traceability zwischen Modellen
und Anforderungen
Auch wenn natu iliche Spiache voiheiischenu ist,
setzt ein uioteil uei Fiimen an iigenueinem
Punkt ihies Entwicklungspiozesses Nouelle ein.
Ba uiese Nouelle meist mit anueien Tools eizeugt
weiuen als uie Anfoiueiungen uazu, gibt es keine
uiiekten Links zwischen Anfoiueiungen unu No-
uell.
Biesem Pioblem nehmen sich Ceibah unu Eu-
zenat in |FCu1] an. Ihi Ansatz besteht aus zwei
Tools:
ein Weikzeug, uas aus uen 0ispiungsuo-
kumenten eine hieiaichische Teiminologie-
stiuktui sowie Ru ck-Links eizeugt.
unu einem Nouellmanagei, uei eine iuui-
menta ie Klassenstiuktui aus uen Baten ues
eisten Tools eizeugen kann.
Biese Klassenstiuktui kann uann vom Benutzei
veivollsta nuigt weiuen, wa hienu sie noch immei
zuiu ckveifolgbai bleibt.
6.4 Untersttzung von Dokumenten-
analysen
In uei inuustiiellen Piaxis finuet sich ein
(Anfoiueiungs-)Entwicklei oft gioen Nengen an
Anfoiueiungen ouei Bokumentationen in anue-
iei Foim gegenu beigestellt. In |PRu1] wiiu ues-
halb ein Ansatz voigestellt, uei mit Bilfe von pio-
babilistischen NLP Techniken veisucht heiauszu-
finuen, welche Teile eines Bokuments besonueis
inteiessant sinu. Bie Autoien veitieten uie Auf-
fassung, uass es nicht mo glich ist iigenueinen Teil
ues RE Piozesses vollsta nuig zu automatisieien.
Beshalb beschia nkt sich uiesei Ansatz iein auf uie
Suche unu Pia sentation uei gefunuenen Stellen.
Bei Anfang uieses Ansatzes besteht uaiin, ei-
ne Ba ufigkeitsanalyse uuichzufu hien. Babei wei-
uen uie Ba ufigkeiten uei Wo itei in einem Text
mit uen Ba ufigkeiten in einem sehi gioen Stan-
uaiutext veiglichen. Besonueie Ba ufungen lassen
uann uaiauf schlieen, uass ein Woit imaktuellen
Kontext eine anueie Beueutung hat als noimalei-
weise. In Kombination mit einei Pait-0f-Speech-
Analyse, kann uann eikannt weiuen, wann etwas
Wichtiges mit etwas Wichtigem passieit. Bei uei
Pait-0f-Speech-Analyse wiiu uen Wo itein ihie je-
weilige Woitait beigefu gt, umbessei semantische
Eigenschaften bestimmen zu ko nnen.
6.5 Anwendungsfallanalysen mittels
erweiterter Petri Netze
In |WIL98] beschieiben uie Autoien sogenann-
te Constraints-based Modular Petri Nets (CNPNs),
mit ueien Bilfe sie Anwenuungsfalluiagiamme
foimal beschieiben ko nnen, um sie so auf voll-
sta nuigkeit unuKonsistenz u beipiu fenzuko nnen.
Bieses veifahien ist zwai noch kaum automa-
tisieit, abei es zeigt beieits, uass aus sehi infoima-
len Nouellen, wie z.B. Anwenuungsfalluiagiam-
men, foimale Beschieibungen gewonnen weiuen
ko nnen. Ba uiese Aibeit beieits u bei elf Iahie
alt ist, ist wohl zu eiwaiten, uass inzwischen ein
viel gio eiei Teil uieses veifahiens automatisieit
weiuen ko nnte.
6.6 Erzeugung von Speziikationen
aus UML
Ben genau umgekehiten Weg wie alle bishei ei-
wa hntenNethouengehenNeziane et al in|FNu8].
0m uas beieits in 6.2 eiwa hnte Pioblem, uass
uie Stakeholuei uie foimalisieiten Anfoiueiungen
nicht mehi veistehen zu beseitigen, eizeugen sie
aus 0NL-Klassenuiagiammen wieuei eine natu i-
lichspiachliche Spezifikation. 0m mehi als nui ei-
ne tiiviale textuelle Seiialisieiung ues Biagiamms
zu bekommen, veiwenuen uie Autoien eine 0nto-
logie in WoiuNet, ummehi Infoimationen aus uen
Namen im Biagiamm zu eihalten.
7 Fazit
Wie beieits aus uem kleinen Auszug an veischie-
uenen Ansa tzen klai wiiu, gibt es ieichlich No g-
lichkeiten mit Bilfe von NLP uen RE Piozess zu un-
teistu tzen. Ba es auch nicht abzusehen ist, uass
uie Inuustiie auf foimale(-ie) Nethouen umstei-
gen wiiu, sinu Foitschiitte imBeieich ues RE mit-
telfiistig wohl hauptsa chlichimNLP0mfeluzusu-
chen. |LNu4] zeigt ganz klai uen Beuaif in uei In-
uustiie.
Bei gio te Reiz ues NLP-baseu RE ist sichei
uie besonueie Piaxisna he, ua sein Einsatz uiiekt
0NL veision 1.S
S
Bauptseminai veiwaltung gioei Anfoiueiungsmengen mit Bilfe von NLP
Eifolge in Foim von beschleunigten Aibeitspio-
zessen zeigt. Aufgiunu uessen ist zu eiwaiten,
uass uiesei Foischungstienu sichei auch in uei
Inuustiie ankommen wiiu. Nicht zuletzt ueshalb,
weil mit uiesen Nethouen teilweise uie Schwa -
chen uei Tools sowie uei Piozesse ausgeglichen
weiuen ko nnen. Benn oft bieten uie Tools noch
nicht einmal eine vollsta nuige 0nteistu tzung fu i
Links veischieuenei Ait, unu uie Piozesse ziehen
ueshalbwenigei Nutzenaus uemRE, als eigentlich
mo glich wa ie.
Literatur
|Che8S] Petei Pin-Shan Chen, English sen-
tence structure and entity-relationship
diagrams, Nasteis thesis, uiauuate
School of management, 0niveisity of
Califoinia, 198S. 1
|conu9] A controlled natural language ap-
proach for integrating requirements
and model-driven engineering, vol.
Fouith Inteinational Confeience
on Softwaie Engineeiing Auvances,
2uu9. 6.2
|eau2] B. Anueisson et al. (eu.), Semi-
automated content extraction from
speciications, vol. LNCS 2SSS,
Spiingei-veilag, 2uu2. 6.2
|FCu1] Ie io me Euzenat FaiiuCeibah, Natural
language processing and information
systems, Lectuie Notes in Computei
Science, vol. 19S9, ch. 0sing Teimi-
nology Extiaction to Impiove Tiace-
ability fiom Foimal Nouels to Textu-
al Requiiements, pp. 11S126, Spiin-
gei, 2uu1. 6.S
|FNu8] Sophia Ananiauou Faiiu Neziane, Ni-
kos Athanasakis, Generating natural
language speciications fromuml class
diagrams, Requiiements Engineeiing
13 (2uu8), 118. 6.6
|Liu1u] E. B. Liuuy, Encyclopedia of library
and information science, 2nd ed., Nai-
cel Beckei, Inc., Stanu: Ian. 2u1u. 2
|LNu4] Pieiluigi Novi Inveiaiui Luisa Nich,
Naiiangela Fianch, Market research
for requirements analysis using lingu-
istic tools, Requiiements Engineeiing
9 (2uu4), 4uS6. 1, 1.1, 7
|Nan99] Chiistophei B. Nanning, Foundations
of statistical natural language proces-
sing, Nit Piess, 1999. 4, 1
|oBuvuuS] Iohann Natt och Bag unu vincen-
zo ueivasi, Managing large reposito-
ries of natural language requirements,
Engineeiing anu Nanaging Softwaie
Requiiements, Spiingei, 2uuS. 1.2,
S.2, S.S, 1
|Pohu7] Klaus Pohl, Requirements engineering,
upunkt-veilag, 2uu7. 1.1
|PRu1] Rogei uaisiue Pete SawyeiS Paul Ray-
son, Luke Emmet, Natural language
processing and information systems,
Lectuie Notes in Computei Science,
vol. 19S9, ch. The REvERE Pioject:
Expeiiments with the Application of
Piobabilistic NLP to Systems Eninee-
iing, pp. 288Suu, Spiingei, 2uu1. 6.4
|WIL98] Yong Rae Kwon Woo Iin Lee, Sung
Beok Cha, Integration and analysis of
use cases using modular petri nets in
requirements engineering, IEE Tian-
sactions on Softwaie Engineeiing 24
(1998), no. 12, 111S11Su. 6.S
6