[논문 리뷰] Automatic generation of analysis class diagrams from use case specifications

Jitendra Singh Thakur, Atul Gupta|arXiv (Cornell University)|2017. 08. 05.

Software Engineering Research인용 수 10

한 줄 요약

이 논문은 자연어 사용 사양을 기반으로 정확하고 완전한 분석 클래스 다이어그램을 자동으로 생성하는 접근법을 제안한다. 자연어 처리(NLP) 기법을 활용하여 스탠퍼드 NLP를 사용해 품사 태깅과 유형 의존성 탐지를 수행하고, 문장 구조 규칙과 변환 규칙을 적용함으로써, 기존의 자동화된 접근법보다 더 정확하고 완전하며 더 적은 중복을 가지는 클래스 다이어그램을 생성한다. 이는 통제된 실험을 통해 검증되었다.

ABSTRACT

In object oriented software development, the analysis modeling is concerned with the task of identifying problem level objects along with the relationships between them from software requirements. The software requirements are usually written in some natural language, and the analysis modeling is normally performed by experienced human analysts. The huge gap between the software requirements which are unstructured texts and analysis models which are usually structured UML diagrams, along with human slip-ups inevitably makes the transformation process error prone. The automation of this process can help in reducing the errors in the transformation. In this paper we propose a tool supported approach for automated transformation of use case specifications documented in English language into analysis class diagrams. The approach works in four steps. It first takes the textual specification of a use case as input, and then using a natural language parser generates type dependencies and parts of speech tags for each sentence in the specification. Then, it identifies the sentence structure of each sentence using a set of comprehensive sentence structure rules. Next, it applies a set of transformation rules on the type dependencies and parts of speech tags of the sentences to discover the problem level objects and the relationships between them. Finally, it generates and visualizes the analysis class diagram. We conducted a controlled experiment to compare the correctness, completeness and redundancy of the analysis class diagrams generated by our approach with those generated by the existing automated approaches. The results showed that the analysis class diagrams generated by our approach were more correct, more complete, and less redundant than those generated by the other approaches.

연구 동기 및 목표

• 비구조화된 자연어 사용 사양에서 구조화된 UML 분석 클래스 다이어그램으로의 수작업 과정에서 오류가 발생하기 쉬운, 수동적이고 일관성 없는 과정을 해결하기 위해.
• 분석 모델링에서 인간의 의존도와 기술 수준의 변동성을 줄이기 위해 변환 과정을 자동화하기 위해.
• 잘못된, 누락된, 또는 중복된 모델 요소를 최소화하여 생성된 분석 클래스 다이어그램의 품질을 향상시키기 위해.
• 신뢰성 있고 반복 가능한 모델 생성을 위해 자연어 처리를 활용하는 도구 기반의 규칙 기반 접근법을 개발하기 위해.

제안 방법

• 입력: 자연어 사용 사양는 스탠퍼드 NLP 파서를 사용해 분석되어 품사 태깅(POS 태깅)과 유형 의존성(TDs)을 추출한다.
• 문장 구조는 단순문, 복합문, 복합단순문, 복합문으로 분류하기 위한 포괄적인 규칙 세트를 사용해 분석한다.
• 품사 태깅과 유형 의존성을 바탕으로 변환 규칙를 적용하여 도메인 수준의 객체(클래스), 속성, 연산, 관계를 식별한다.
• 언어 패턴과 문법적 구조를 기반으로 클래스 스테레오타입(엔티티, 경계, 제어)과 관계 유형(예: 연관 관계, 의존 관계)을 식별한다.
• 시각화 모듈은 추출된 모델 요소로부터 최종 분석 클래스 다이어그램을 생성한다.
• 기존의 자동화된 접근법과의 비교를 통해 통제된 실험을 통해 방법의 성능을 평가한다.

실험 결과

연구 질문

• RQ1 제안된 방법은 기존의 자동화된 방법에 비해 자동 생성된 분석 클래스 다이어그램의 정확도를 어느 정도 향상시키는가?
• RQ2 기타 자동화된 방법과 비교했을 때, 제안된 방법은 모델 요소(클래스, 속성, 연산, 관계)의 완전성 측면에서 어떻게 비교되는가?
• RQ3 제안된 방법은 생성된 다이어그램에서 중복(예: 불필요하거나 잘못된 클래스와 관계)을 어느 정도 감소시키는가?
• RQ4 제안된 방법은 다양한 사용 사양 사양에 걸쳐 일관되게 정확하고 의미적으로 유의미한 분석 클래스 다이어그램을 생성할 수 있는가?

주요 결과

• 제안된 방법으로 생성된 분석 클래스 다이어그램은 클래스와 관계의 정확도 점수 측정 결과, 기존의 자동화된 방법보다 유의미하게 더 정확했다.
• 제안된 방법은 사용 사양에서 요구되는 모델 요소, 즉 속성, 연산, 관계를 더 높은 완전성으로 포괄했다.
• 기존 기준 방법 대비 더 적은 중복 클래스와 관계를 생성하여 더 깔끔하고 유지보수 용이한 다이어그램을 만들어 냈다.
• 통제된 실험을 통해 제안된 방법은 정확성, 완전성, 중복 감소의 세 가지 평가 차원에서 모두 기존의 자동화된 방법을 뛰어넘는 것으로 입증되었다.