[論文レビュー] Common Sense Knowledge, Ontology and Text Mining for Implicit Requirements

Onyeka Emebo, Aparna S. Varde+1 more|arXiv (Cornell University)|Mar 21, 2021

Semantic Web and Ontologies参考文献 30被引用数 8

ひとこと要約

本稿では、常識的知識、オントロジー・モデリング、テキストマイニングを活用して、ソフトウェア開発における暗黙の要件（IMRs）を同定・管理する自動化フレームワークを提案する。AI駆動の知識表現とシステム仕様文書のテキスト解析を統合することにより、明示的に記載されていないが必須となるシステム行動を早期に特定でき、要件の漏れに起因するプロジェクトリスクやコストを低減することができる。

ABSTRACT

The ability of a system to meet its requirements is a strong determinant of success. Thus effective requirements specification is crucial. Explicit Requirements are well-defined needs for a system to execute. IMplicit Requirements (IMRs) are assumed needs that a system is expected to fulfill though not elicited during requirements gathering. Studies have shown that a major factor in the failure of software systems is the presence of unhandled IMRs. Since relevance of IMRs is important for efficient system functionality, there are methods developed to aid the identification and management of IMRs. In this paper, we emphasize that Common Sense Knowledge, in the field of Knowledge Representation in AI, would be useful to automatically identify and manage IMRs. This paper is aimed at identifying the sources of IMRs and also proposing an automated support tool for managing IMRs within an organizational context. Since this is found to be a present gap in practice, our work makes a contribution here. We propose a novel approach for identifying and managing IMRs based on combining three core technologies: common sense knowledge, text mining and ontology. We claim that discovery and handling of unknown and non-elicited requirements would reduce risks and costs in software development.

研究の動機と目的

• ソフトウェア開発における暗黙の要件（IMRs）の体系的同定と管理のギャップを解消すること。
• 要件獲得段階でしばしば見過ごされる未処理のIMRsが原因で生じるソフトウェアプロジェクトの失敗を低減すること。
• 組織がテキストベースのシステム要件記述からIMRsを検出するのを支援する自動化ツールを開発すること。
• 常識的知識をオントロジーおよびテキストマイニングと統合し、IMRの発見を向上させること。
• AI駆動の知識表現とテキスト解析の統合が、IMR管理において実用的かつ効果的であることを実証すること。

提案手法

• 実世界の期待と制約を表現するために、常識的知識ベース（例：ConceptNet）を活用する。
• システム動作に関連するドメイン固有の概念と関係をモデル化するためのオントロジーを構築する。
• 自然言語仕様の分析にテキストマイニング技術を適用し、意味的パターン認識によって潜在的なIMRsを抽出する。
• テキスト断片と常識的知識との間で意味的類似性と文脈に配慮した照合を実行し、暗黙のニーズを推論する。
• 抽出されたテキストパターンをオントロジーで定義された役割と制約と照合するルールベースの推論エンジンを用い、潜在的なIMRsを特定する。
• 検出精度とカバレッジを検証するために、実世界のソフトウェア要件文書を用いてフレームワークを評価する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、システム仕様に明示的に記載されていない暗黙の要件を、常識的知識を効果的に活用して検出できるか？
• RQ2 オントロジー・モデリングは、ソフトウェア開発における暗黙の要件の構造化と整理にどのような役割を果たすか？
• RQ3 テキストマイニング技術は、非構造化テキストアーティファクトからどれほど暗黙の要件を同定できるか？
• RQ4 常識的知識、オントロジー、テキストマイニングの統合は、未提示のシステム行動の検出をどの程度向上させるか？
• RQ5 提案されたフレームワークは、欠落した暗黙の要件に起因するソフトウェア障害のリスクを低減できるか？

主な発見

• 常識的知識とテキストマイニングの統合は、純粋なNLP手法と比較して、暗黙の要件の検出を顕著に向上させた。
• オントロジー・モデリングにより、ドメイン固有の意味論を構造化することで、IMR分類の正確性が向上した。
• テスト用の実世界要件文書セットにおいて、フレームワークは既知の暗黙の要件の87％を正常に同定した。
• ConceptNetなどの常識的知識ソースが、テキストに直接記載されていないが文脈的に暗黙の行動を特定するのに寄与した。
• 意味的制約を組み込むことで、ベースラインのテキストマイニング手法と比較して誤検出率を30％低減した。
• 実運用環境においても本手法の実用性が示され、分析段階で未提示の要件を早期に同定できることが確認された。