[論文レビュー] Classification of Natural Language Processing Techniques for Requirements Engineering

Liping Zhao, Waad Alhoshan+2 more|arXiv (Cornell University)|Apr 8, 2022

Software Engineering Techniques and Practices被引用数 11

ひとこと要約

本論文は、要件工学（RE）分野で一般的に使用される57種類のNLP技術を、通常の処理パイプラインにおけるNLPタスクと、言語的分析レベル（語彙的、構文的、意味的、話法的）の2つの補完的フレームワークに分類する。主な貢献は、RE分野におけるツール開発と産業的採用を促進するための、体系的で知識ベースに適したNLP技術の整理である。

ABSTRACT

Research in applying natural language processing (NLP) techniques to requirements engineering (RE) tasks spans more than 40 years, from initial efforts carried out in the 1980s to more recent attempts with machine learning (ML) and deep learning (DL) techniques. However, in spite of the progress, our recent survey shows that there is still a lack of systematic understanding and organization of commonly used NLP techniques in RE. We believe one hurdle facing the industry is lack of shared knowledge of NLP techniques and their usage in RE tasks. In this paper, we present our effort to synthesize and organize 57 most frequently used NLP techniques in RE. We classify these NLP techniques in two ways: first, by their NLP tasks in typical pipelines and second, by their linguist analysis levels. We believe these two ways of classification are complementary, contributing to a better understanding of the NLP techniques in RE and such understanding is crucial to the development of better NLP tools for RE.

研究の動機と目的

• 要件工学（RE）分野の研究および実務におけるNLP技術に関する体系的かつ共通の理解の欠如を是正すること。
• RE分野で最も頻繁に使用されるNLP技術を統合・整理し、より良いツール開発と産業的導入を支援すること。
• NLPタスクと言語的分析レベルの二重分類を通じて、RE分野におけるNLP技術の共通語彙と用語を確立すること。
• NLP4RE分野の研究と産業的応用のギャップを埋めるために、NLP技術の構造的で照会に適した知識ベースを提供すること。
• 今後のNLP技術の関係性やツール支援マッピングに関する研究の基盤を築くこと。

提案手法

• 包括的なNLP4RE文献およびツールのサーベイから抽出・統合した57種類のNLP技術を対象とした。
• 通常のNLPパイプラインタスク（例：トークン化、固有表現抽出、テキスト正規化）に従って技術を分類した。
• 言語的分析レベル（音声的、語彙的、構文的、意味的、話法的、意図的）に従って技術を分類した。
• 構造化されたフレームワークと文献レビューを用いて、各技術を対応するタスクおよび言語的分析レベルにマッピングした。
• 既存のNLP分類体系および言語理論（例：Jurafsky & Martin, 2020）を用いて、分類レベルの妥当性を検証し、構造化した。
• 段階的な照会を可能にするために、表（I～IV）を提供した：技術の特定からタスク、代替技術、分析レベルへの照会が可能である。

実験結果

リサーチクエスチョン

• RQ1 要件工学で最も頻繁に使用されるNLP技術は何か、そしてそれらをどのように体系的に整理できるか？
• RQ2 RE分野のNLP技術は、標準的なNLPパイプラインタスクと言語的分析レベルとどのように整合しているか？
• RQ3 技術の言語的分析レベルとREタスクにおける有用性の関係は何か？
• RQ4 現在のRE研究において、意図的レベルのNLP技術が不足している理由は何か、そしてこれはRE分野における自然言語理解（NLU）にどのような意味を持つのか？
• RQ5 タスクと言語的分析レベルの二重分類フレームワークは、RE分野におけるNLPツールの設計と採用をどのように改善できるか？

主な発見

• 57種類のNLP技術が特定され、体系的に分類され、NLP4REの包括的な知識ベースが構築された。
• 音声的レベルの分析に向けたNLP技術は一切発見されなかった。これは、NLP4REが主に書かれたテキストに焦点を当てているためである。
• 意図的レベルの分析に向けた技術は同定されなかった。これは、現在のNLP4RE研究が真の自然言語理解にまで至っていないことを示している。
• NLPタスク（例：トークン化、固有表現抽出）と言語的分析レベル（語彙的から話法的）に基づく分類は、ツール選定および技術比較のための二軸フレームワークを提供する。
• このフレームワークにより、ユーザーは次のような照会が可能になる：「あるタスクに使用される技術は何か？」、「代替技術は何か？」、「技術が作用する言語的分析レベルは何か？」。
• 本研究は、下位レベルの言語処理（語彙的、構文的、意味的）に強く注目している一方で、上位レベルの話法的および意図的分析が現在のNLP4RE実務において著しく欠落していることを明らかにした。