[論文レビュー] Natural Language in Requirements Engineering for Structure Inference -- An Integrative Review

Maximilian Vierlboeck, Carlo Lipizzi+1 more|arXiv (Cornell University)|Feb 10, 2022

Software Engineering Techniques and Practices被引用数 6

ひとこと要約

本統合的レビューでは、要件工学における自然言語からの構造的推論のための136のNLPツールを評価し、自然言語からの自動的構造推論における重要なギャップを特定した。開発元が明示されていないソリューションでは、情報構造の直接的かつ普遍的な抽出を可能にするものはない。また、閉鎖型ツールですら、監視要件や入力処理の制限において限界を示しており、アルゴリズム、知識ベース、テキストコーパスの個別管理を可能にする新しい手法の導入が不可欠である。

ABSTRACT

The automatic extraction of structure from text can be difficult for machines. Yet, the elicitation of this information can provide many benefits and opportunities for various applications. Benefits have also been identified for the area of Requirements Engineering. To evaluate what work has been done and is currently available, the paper at hand provides an integrative review regarding Natural Language Processing (NLP) tools for Requirements Engineering. This assessment was conducted to provide a foundation for future work as well as deduce insights from the stats quo. To conduct the review, the history of Requirements Engineering and NLP are described as well as an evaluation of over 136 NLP tools. To assess these tools, a set of criteria was defined. The results are that currently no open source approach exists that allows for the direct/primary extraction of information structure and even closed source solutions show limitations such as supervision or input limitations, which eliminates the possibility for fully automatic and universal application. As a results, the authors deduce that the current approaches are not applicable and a different methodology is necessary. An approach that allows for individual management of the algorithm, knowledge base, and text corpus is a possibility being pursued.

研究の動機と目的

• 要件工学における自然言語からの構造的情報抽出のためのNLPツールの現状を評価すること。
• 構造推論における既存のオープンソースおよびクローズドソースNLPソリューションの限界を特定すること。
• 現在のNLPツールを要件工学において完全に自動的かつ普遍的に適用可能かどうかを評価すること。
• 既存のアプローチの長所と短所を分析することで、今後の研究の基盤を提供すること。
• アルゴリズム、知識ベース、テキストコーパスの独立した管理を可能にする新しい手法の必要性を提言すること。

提案手法

• 要件工学および構造推論に関連する136のNLPツールの統合的レビューを実施した。
• 各ツールの能力と限界を体系的に評価するための評価基準のセットを定義した。
• 現在のツールの文脈を理解するために、要件工学およびNLP分野の歴史的発展を分析した。
• 自然言語からの情報構造の直接的かつ自動的抽出の能力に基づいてツールを評価した。
• 普遍的適用を阻害する要因として、監視要件や入力制限などの制約を特定した。
• アルゴリズム、知識ベース、テキストコーパスの個別管理を強調する新しい手法フレームワークを提案した。

実験結果

リサーチクエスチョン

• RQ1 要件工学における自然言語からの構造的情報抽出のためのNLPツールの現在の能力と限界は何か？
• RQ2 既存のNLPツールは、要件文書からの完全な自動的かつ普遍的構造推論をどの程度可能にしているか？
• RQ3 なぜ現在のオープンソースおよびクローズドソースソリューションは、情報構造の直接的・一次的抽出をサポートできないのか？
• RQ4 スケーラブルかつ適応可能な構造推論を妨げる現在のアプローチにおけるメソドロジカルなギャップは何か？
• RQ5 既存のNLPツールの限界を克服できる代替フレームワークは何か？

主な発見

• 現在のオープンソースNLPソリューションでは、要件工学における自然言語からの情報構造の直接的または一次的抽出が不可能である。
• クローズドソースツールでも、監視要件や入力処理制限の面で顕著な限界が見られる。
• 現在の最先端技術では、NLPを用いた構造推論を完全に自動的かつ普遍的に適用することはできない。
• アルゴリズム、知識ベース、テキストコーパスが固定的に統合されているため、既存のツールはスケーラブルでも適応可能でもない。
• 本レビューでは、アルゴリズム、知識ベース、テキストコーパスの独立した管理を可能にする新しい手法の導入が、極めて重要な必要性であると特定した。
• 研究結果から、現在のアプローチでは、要件工学ワークフローにおける実用的かつ大規模な展開には不十分であることが示唆された。