[論文レビュー] Automatic generation of analysis class diagrams from use case specifications

Jitendra Singh Thakur, Atul Gupta|arXiv (Cornell University)|Aug 5, 2017

Software Engineering Research被引用数 10

ひとこと要約

本論文は、自然言語での使用ケース要件を対象として、NLP技術を用いた自動的手法を提案する。スタンフォードNLPを用いて品詞タグ付けと型依存関係を抽出し、文構造のルールを適用し、変換ルールを適用することで、従来の自動的手法よりも正確で、完全で、冗長性が低い分析クラス図を生成する。制御された実験により、その有効性が検証された。

ABSTRACT

In object oriented software development, the analysis modeling is concerned with the task of identifying problem level objects along with the relationships between them from software requirements. The software requirements are usually written in some natural language, and the analysis modeling is normally performed by experienced human analysts. The huge gap between the software requirements which are unstructured texts and analysis models which are usually structured UML diagrams, along with human slip-ups inevitably makes the transformation process error prone. The automation of this process can help in reducing the errors in the transformation. In this paper we propose a tool supported approach for automated transformation of use case specifications documented in English language into analysis class diagrams. The approach works in four steps. It first takes the textual specification of a use case as input, and then using a natural language parser generates type dependencies and parts of speech tags for each sentence in the specification. Then, it identifies the sentence structure of each sentence using a set of comprehensive sentence structure rules. Next, it applies a set of transformation rules on the type dependencies and parts of speech tags of the sentences to discover the problem level objects and the relationships between them. Finally, it generates and visualizes the analysis class diagram. We conducted a controlled experiment to compare the correctness, completeness and redundancy of the analysis class diagrams generated by our approach with those generated by the existing automated approaches. The results showed that the analysis class diagrams generated by our approach were more correct, more complete, and less redundant than those generated by the other approaches.

研究の動機と目的

• 非構造的な自然言語による使用ケース要件を、構造的なUML分析クラス図に変換する作業が誤りを伴いやすく、手作業的かつ一貫性のないプロセスであることを是正すること。
• 分析モデリングにおける人間の依存度とスキルのばらつきを減らすために、変換プロセスを自動化すること。
• 誤った、欠落している、または余分なモデル要素を最小限に抑えることで、生成された分析クラス図の品質を向上させること。
• 自然言語処理を活用した、ツール支援型のルールベースのアプローチを構築し、信頼性が高く再現可能なモデル生成を実現すること。

提案手法

• 入力：自然言語による使用ケース要件は、スタンフォードNLPパーサーを用いて解析され、品詞タグ（POS）と型依存関係（TDs）が抽出される。
• 文構造は、単純文、複文、複合文、複雑文、複合複文に分類するための包括的なルールセットを用いて分析される。
• 品詞タグと型依存関係に変換ルールを適用し、ドメインレベルのオブジェクト（クラス）、その属性、操作、関係を同定する。
• 言語的パターンと文法構造に基づいて、クラスのスタイロタイプ（エンティティ、境界、制御）と関係の種別（例：関連、依存）を同定する。
• 可視化モジュールが抽出されたモデル要素から最終的な分析クラス図を生成する。
• 本手法は、制御された実験により、既存の自動的手法と比較して正確性、完全性、冗長性の観点から評価されている。

実験結果

リサーチクエスチョン

• RQ1 提案手法は、既存の自動的手法と比較して、自動生成された分析クラス図の正確性をどの程度向上させるか？
• RQ2 他の自動的手法と比較して、本手法はモデル要素（クラス、属性、操作、関係）の完全性においてどのように評価されるか？
• RQ3 本手法は、生成された図における冗長性（余分な、または誤ったクラスや関係）をどの程度低減するか？
• RQ4 本手法は、多様な使用ケース要件仕様に対して一貫して正確で意味的に意味のある分析クラス図を生成できるか？

主な発見

• 提案手法によって生成された分析クラス図は、クラスと関係の正確性スコアを測定した結果、既存の自動的手法よりも顕著に正確であった。
• 本手法は、使用ケース要件から必要なモデル要素、すなわち属性、操作、関係をより高い完全性で捉えることに成功した。
• ベースライン手法と比較して、余分なクラスや関係が少なく、より洗練され、保守性の高い図が生成された。
• 制御された実験により、本手法が正確性、完全性、冗長性低減の3つの評価次元において、既存の自動的手法をすべて上回ることが実証された。