[論文レビュー] Semantic annotation of requirements for automatic UML class diagram generation

Soumaya Amdouni, Wahiba Ben Abdessalem Karâa+1 more|arXiv (Cornell University)|Jul 17, 2011

Software Engineering Research参考文献 9被引用数 4

ひとこと要約

本論文では、GATEフレームワーク内での自然言語処理（NLP）および意味的ルールを用いて、テキスト要件から自動的にUMLクラス図を生成するツールを提示する。要件に意味的アノテーションを適用することで、自然言語を構造的なUMLモデルに正確にルールベースで変換する仕組みを提供し、初期ソフトウェア設計の効率性と正確性を顕著に向上させる。

ABSTRACT

The increasing complexity of software engineering requires effective methods and tools to support requirements analysts' activities. While much of a company's knowledge can be found in text repositories, current content management systems have limited capabilities for structuring and interpreting documents. In this context, we propose a tool for transforming text documents describing users' requirements to an UML model. The presented tool uses Natural Language Processing (NLP) and semantic rules to generate an UML class diagram. The main contribution of our tool is to provide assistance to designers facilitating the transition from a textual description of user requirements to their UML diagrams based on GATE (General Architecture of Text) by formulating necessary rules that generate new semantic annotations.

研究の動機と目的

• 非構造的なテキスト要件を形式的なUMLクラス図に変換する課題に対処すること。
• プロセスを自動化することで、要件からUMLへのマッピングにおける人的作業と誤りを低減すること。
• 意味的アノテーションを通じて、テキスト要件の解釈可能性を向上させること。
• ソフトウェアデザイナーが自然言語記述から構造的なUMLモデルに移行するのを支援すること。

提案手法

• テキスト処理および意味的アノテーションに、GATE（General Architecture for Text Engineering）プラットフォームを活用する。
• 自然言語処理（NLP）技術を用いて、要件テキストから主要なエンティティおよび関係を抽出する。
• ドメイン固有の意味的ルールを適用し、自然言語用語をUMLクラス図要素（クラス、属性、関連など）にマッピングする。
• 名詞句の特定およびそれらの文法的・意味的役割の特定により、意味的アノテーションを生成する。
• ルールベース変換を用いて、アノテーション済み要件をUMLクラス図に変換する。
• NLPパイプラインとUMLモデル生成ロジックを統合したプロトタイプツールを用いて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 自然言語要件をどのように意味的にアノテートすれば、正確なUMLクラス図生成が可能になるか？
• RQ2 テキストエンティティおよび関係をUML構成要素にマッピングするのに有効な意味的ルールのセットは何か？
• RQ3 NLP技術を用いることで、要件からUMLモデルへの変換における人的作業をどの程度削減できるか？
• RQ4 GATEとルールベース変換の統合は、生成されたUML図の忠実度をどの程度向上させるか？

主な発見

• 提示されたツールは、NLPおよびルールベースのアノテーションを用いて、テキスト要件を意味的に正確なUMLクラス図に成功して変換した。
• 意味的アノテーションは、非構造的テキストからのクラスおよび関係抽出の精度を顕著に向上させた。
• GATEとドメイン固有のルールの統合により、スケーラブルかつ再利用可能なUMLモデル生成が可能になった。
• 初期モデリングフェーズの自動化により、デザイナーの認知的負荷が軽減された。
• プロトタイプは、実世界の要件文書からUML図を生成する上で実現可能性と有効性を示した。