[논문 리뷰] Common Sense Knowledge, Ontology and Text Mining for Implicit Requirements

Onyeka Emebo, Aparna S. Varde외 1명|arXiv (Cornell University)|2021. 03. 21.

Semantic Web and Ontologies참고 문헌 30인용 수 8

한 줄 요약

이 논문은 소프트웨어 개발에서 암묵적 요구사항(IMRs)을 식별하고 관리하기 위해 일반 지식, 온톨로지 모델링, 텍스트 마이닝을 활용하는 자동화된 프레임워크를 제안한다. 시스템 문서의 텍스트 분석과 인공지능 기반 지식 표현을 통합함으로써, 명시적으로 기재되지 않았지만 필수적인 시스템 행동을 조기에 탐지할 수 있으며, 이를 통해 간과된 요구사항으로 인한 프로젝트 리스크와 비용을 감소시킨다.

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.

연구 동기 및 목표

• 소프트웨어 개발에서 암묵적 요구사항(IMRs)의 체계적인 식별 및 관리 부족을 보완하기 위해.
• 요구사항 수집 과정에서 간과되기 쉬운 IMRs로 인한 소프트웨어 프로젝트 실패를 줄이기 위해.
• 조직이 텍스트 기반 시스템 명세에서 IMRs를 탐지하는 데 지원하는 자동화된 도구를 개발하기 위해.
• 일반 지식을 온톨로지 및 텍스트 마이닝과 융합하여 IMR 탐지 능력을 향상시키기 위해.
• 인공지능 기반 지식 표현과 텍스트 분석의 융합이 IMR 관리에 실현 가능하고 효과적인지 입증하기 위해.

제안 방법

• 실제 세계의 기대와 제약를 표현하기 위해 일반 지식 기반(예: ConceptNet)을 활용한다.
• 시스템 행동과 관련된 도메인 전용 개념과 관계를 모델링하기 위해 온톨로지를 구축한다.
• 자연어 명세를 분석하기 위해 텍스트 마이닝 기법을 적용하여 의미적 패턴 인식을 통해 잠재적 IMRs를 추출한다.
• 텍스트 조각과 일반 지식 간의 의미적 유사성 및 맥락 인식 매칭을 통해 암묵적 필요를 유추한다.
• 규칙 기반 추론 엔진이 추출된 텍스트 패턴을 온톨로지에서 정의된 역할과 제약 조건과 연관지어 잠재적 IMRs를 경고한다.
• 실제 소프트웨어 요구사항 문서를 사용하여 검증함으로써 탐지 정확도와 커버리지의 유효성을 평가한다.

실험 결과

연구 질문

• RQ1 어떻게 일반 지식을 활용하여 시스템 명세에 명시되지 않은 암묵적 요구사항을 효과적으로 탐지할 수 있는가?
• RQ2 온톨로지 모델링은 소프트웨어 개발을 위한 암묵적 요구사항의 구조화 및 정렬에 어떤 역할을 하는가?
• RQ3 텍스트 마이닝 기법은 비정형 텍스트 자료에서 암묵적 요구사항을 어느 정도 식별할 수 있는가?
• RQ4 일반 지식, 온톨로지, 텍스트 마이닝의 통합은 간과된 시스템 행동의 탐지 능력을 어떻게 향상시키는가?
• RQ5 제안된 프레임워크는 누락된 암묵적 요구사항으로 인한 소프트웨어 실패 위험을 줄일 수 있는가?

주요 결과

• 일반 지식 기반과 텍스트 마이닝의 융합은 순수 NLP 기법에 비해 암묵적 요구사항 탐지 능력을 크게 향상시킨다.
• 온톨로지 모델링은 도메인 의미를 체계적으로 제공함으로써 IMR 분류의 정밀도를 향상시킨다.
• 테스트 세트로 사용된 실제 요구사항 문서에서 프레임워크는 알려진 암묵적 요구사항의 87%를 성공적으로 식별했다.
• ConceptNet와 같은 일반 지식 기반은 텍스트에 직접적으로 기재되지 않은 맥락적 암시 행동을 탐지하는 데 기여했다.
• 의미적 제약 조건을 통합함으로써, 기존 텍스트 마이닝 접근법 대비 거짓 긍정률을 30% 감소시켰다.
• 조직 환경에서의 실현 가능성을 입증하였으며, 분석 단계에서 간과된 요구사항을 조기에 식별하는 데 기여했다.