[논문 리뷰] Classification of Natural Language Processing Techniques for Requirements Engineering

Liping Zhao, Waad Alhoshan외 2명|arXiv (Cornell University)|2022. 04. 08.

Software Engineering Techniques and Practices인용 수 11

한 줄 요약

이 논문은 요구사항 공학(RE)에서 흔히 사용되는 57개의 자연어처리(NLP) 기법을 두 가지 상호보완적인 프레임워크로 분류한다: 일반 처리 파이프라인에서의 NLP 작업 기준과 언어 분석 수준 기준(어휘, 문법, 의미, 논의 수준). 주요 기여는 NLP 기법을 체계적이고 지식 기반 준비 상태로 정리하여 RE 분야의 도구 개발과 산업적 도입을 향상시키는 데 있다.

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.

연구 동기 및 목표

• 요구사항 공학(RE) 연구 및 실무에서 NLP 기법에 대한 체계적인 이해와 공유 지식의 부족을 해결하기 위해.
• RE에서 가장 자주 사용되는 NLP 기법을 통합하고 정리하여 더 나은 도구 개발과 산업적 수용을 지원하기 위해.
• NLP 작업과 언어 분석 수준에 따른 이중 분류를 통해 RE 분야의 NLP 기법에 대한 공통된 용어와 어휘 체계를 수립하기 위해.
• NLP4RE 연구와 산업 응용 사이의 격차를 메우기 위해, NLP 기법에 대한 체계적이고 질의 친화적인 지식 기반을 제공하기 위해.
• 향후 NLP 기법 간 관계 연구와 도구 지원 매핑을 위한 기반을 마련하기 위해.

제안 방법

• 포괄적인 NLP4RE 문헌 및 도구에 대한 조사에서 57개의 NLP 기법을 추출하고 통합하였다.
• 기본적인 NLP 파이프라인 작업(예: 토큰화, 명명된 실체 인식, 텍스트 정규화 등)에 따라 기법을 분류하였다.
• 음성, 어휘, 문법, 의미, 논의, 그리고 의도 수준의 언어 분석 수준에 따라 기법을 분류하였다.
• 구조화된 프레임워크와 문헌 조사 방법을 사용하여 각 기법이 해당하는 작업과 언어 분석 수준에 매핑하였다.
• 기존의 NLP 분류 체계와 언어 이론(예: Jurafsky & Martin, 2020)을 활용하여 분류 수준의 타당성과 체계성을 검증하고 정리하였다.
• 질의를 점진적으로 수행할 수 있도록 표(I–IV)를 제공하였다: 기법의 정체성에서 시작하여 작업, 대체 기법, 분석 수준까지.

실험 결과

연구 질문

• RQ1 요구사항 공학에서 가장 자주 사용되는 NLP 기법은 무엇이며, 어떻게 체계적으로 정리할 수 있는가?
• RQ2 RE 분야의 NLP 기법은 표준 NLP 파이프라인 작업과 언어 분석 수준에 어떻게 부합하는가?
• RQ3 기법의 언어 분석 수준과 그 기법의 RE 작업에서의 유용성 사이의 관계는 무엇인가?
• RQ4 현재의 RE 연구에서 의도 수준의 NLP 기법이 부족한 이유는 무엇이며, 이는 RE에서의 자연어 이해(NLU)에 어떤 함의를 갖는가?
• RQ5 작업 기준과 언어 분석 수준 기준에 따른 이중 분류 프레임워크는 RE에서의 NLP 도구 설계와 도입에 어떻게 기여할 수 있는가?

주요 결과

• 57개의 NLP 기법이 식별되고 체계적으로 분류되어 NLP4RE를 위한 종합적인 지식 기반을 형성하였다.
• NLP4RE는 주로 서면 텍스트를 다루므로 음성 수준 분석을 위한 NLP 기법은 발견되지 않았다.
• 의도 수준 분석을 위한 기법이 발견되지 않았으며, 이는 현재의 NLP4RE 연구가 진정으로 자연어 이해에 도달하지 못하고 있음을 시사한다.
• NLP 작업(예: 토큰화, 명명된 실체 인식 등)과 언어 분석 수준(어휘에서 논의 수준까지)에 따른 분류는 도구 선택과 기법 비교를 위한 双축 프레임워크를 제공한다.
• 이 프레임워크를 통해 사용자는 다음과 같은 질의를 수행할 수 있다: 주어진 작업에 사용되는 기법은 무엇인가, 어떤 대체 기법이 존재하는가, 해당 기법이 작동하는 언어 분석 수준은 무엇인가.
• 이 연구는 하위 수준 언어 처리(어휘, 문법, 의미)에 대한 강한 집중과 동시에 고급 논의 및 의도 수준 분석의 뚜렷한 부재를 현재의 NLP4RE 실무에서 확인한다.