[논문 리뷰] Semantic annotation of requirements for automatic UML class diagram generation

Soumaya Amdouni, Wahiba Ben Abdessalem Karâa외 1명|arXiv (Cornell University)|2011. 07. 17.

Software Engineering Research참고 문헌 9인용 수 4

한 줄 요약

이 논문은 GATE 프레임워크 내에서 자연어 처리(NLP) 및 의미 규칙을 활용하여 텍스트 요구사항에서 자동으로 UML 클래스 다이어그램을 생성하는 도구를 제시한다. 요구사항에 의미적 주석을 부여함으로써 자연어를 구조화된 UML 모델로 규칙 기반 변환하는 데 성공하여 초기 소프트웨어 설계의 효율성과 정확성을 크게 향상시킨다.

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.

연구 동기 및 목표

• 비구조화된 텍스트 요구사항을 공식적인 UML 클래스 다이어그램으로 변환하는 데 도전하는 것.
• 프로세스를 자동화하여 요구사항에서 UML로의 매핑 과정에서 수동 작업과 오류를 줄이는 것.
• 의미 주석을 통해 텍스트 요구사항의 해석 가능성을 향상시키는 것.
• 소프트웨어 설계자가 자연어 기술서에서 구조화된 UML 모델로 전환하는 데를 지원하는 것.

제안 방법

• 텍스트 처리 및 의미 주석을 위해 General Architecture for Text Engineering(GATE) 플랫폼을 활용한다.
• 요구사항 텍스트에서 핵심 엔터티와 관계를 추출하기 위해 자연어 처리(NLP) 기법을 적용한다.
• 도메인 특화 의미 규칙을 활용하여 자연어 용어를 클래스, 속성, 연관성 등의 UML 클래스 다이어그램 요소로 매핑한다.
• 명사구와 그 문법적·의미적 역할을 식별하여 의미 주석을 생성한다.
• 규칙 기반 변환을 사용하여 주석 처리된 요구사항을 UML 클래스 다이어그램으로 변환한다.
• NLP 파이프라인과 UML 모델 생성 로직을 통합한 프로토타입 도구를 사용하여 접근 방식을 검증한다.

실험 결과

연구 질문

• RQ1 어떻게 자연어 요구사항을 의미적으로 주석 처리하여 정확한 UML 클래스 다이어그램 생성을 가능하게 할 수 있는가?
• RQ2 텍스트 엔터티와 관계를 UML 구조로 매핑하는 데 효과적인 의미 규칙의 조합은 무엇인가?
• RQ3 NLP 기법을 통해 요구사항에서 UML 모델로의 변환 과정에서 수동 작업을 얼마나 줄일 수 있는가?
• RQ4 GATE와 규칙 기반 변환의 통합이 생성된 UML 다이어그램의 정확성에 어떻게 기여하는가?

주요 결과

• 제안된 도구는 NLP와 규칙 기반 주석 처리를 사용하여 텍스트 요구사항을 의미적으로 정확한 UML 클래스 다이어그램으로 성공적으로 변환한다.
• 의미 주석은 비구조화된 텍스트에서 클래스와 관계 추출의 정밀도를 크게 향상시킨다.
• GATE와 도메인 특화 규칙의 통합은 확장 가능하고 재사용 가능한 UML 모델 생성을 가능하게 한다.
• 초기 모델링 단계를 자동화함으로써 설계자의 인지 부담을 줄인다.
• 프로토타입은 실제 요구사항 문서에서 UML 다이어그램을 생성하는 데 있어 타당성과 효과성을 입증한다.