[论文解读] An Application of Uncertain Reasoning to Requirements Engineering

Philip Barry, Kathryn Blackrnond Laskey|arXiv (Cornell University)|Jan 23, 2013

Advanced Software Engineering Methodologies参考文献 12被引用 7

一句话总结

本文提出使用贝叶斯网络在不确定性环境下将用户需求转化为系统需求，将领域知识建模为模块化的网络片段，并从用户输入传播信念以推断出派生的系统需求。该方法在案例研究中成功验证，表明不确定推理可提升早期需求工程中的可追溯性和完整性。

ABSTRACT

This paper examines the use of Bayesian Networks to tackle one of the tougher problems in requirements engineering, translating user requirements into system requirements. The approach taken is to model domain knowledge as Bayesian Network fragments that are glued together to form a complete view of the domain specific system requirements. User requirements are introduced as evidence and the propagation of belief is used to determine what are the appropriate system requirements as indicated by user requirements. This concept has been demonstrated in the development of a system specification and the results are presented here.

研究动机与目标

• 解决将模糊或不完整的用户需求转化为精确、可操作的系统需求的挑战。
• 将领域特定知识建模为可重用的贝叶斯网络片段，以实现可扩展的需求规格说明。
• 通过用户提供的证据实现信念传播，以推断隐含的系统级需求。
• 通过不确定性下的概率推理，提升系统需求的可追溯性和完整性。
• 在实际需求工程工作流中证明不确定推理的可行性和有效性。

提出的方法

• 将领域知识建模为表示系统组件与需求之间关系的模块化贝叶斯网络片段。
• 将用户需求作为贝叶斯网络中的证据节点，以启动信念传播。
• 使用条件概率表量化需求与系统行为之间关系的不确定性。
• 应用贝叶斯推断计算后验概率，识别由用户输入所隐含的最可能的系统需求。
• 通过链接领域特定的片段构建复合网络，形成整体的系统规格说明。
• 通过在真实世界系统开发背景下的案例研究验证该方法。

实验结果

研究问题

• RQ1 贝叶斯网络如何用于在系统规格说明过程中对用户需求中的不确定性进行建模与推理？
• RQ2 模块化的贝叶斯网络片段在多大程度上能提升需求建模的可扩展性和可重用性？
• RQ3 从用户提供的证据进行信念传播，能否可靠地推断出未明确陈述的系统级需求？
• RQ4 该方法如何提升早期需求工程中的可追溯性和完整性？
• RQ5 在实际需求规格说明任务中应用不确定推理的实际可行性如何？

主要发现

• 该方法通过概率推理成功将用户需求转化为连贯的系统规格说明，展示了可追溯性的提升。
• 模块化的贝叶斯网络片段实现了领域特定知识的增量式和可重用建模。
• 信念传播有效识别出未直接陈述但由用户输入在逻辑上隐含的系统需求。
• 该方法通过条件概率量化不确定性，减少了需求中的模糊性。
• 案例研究证实，不确定推理可增强系统需求的完整性和一致性。
• 结果表明，贝叶斯网络为处理早期软件工程阶段的不确定性提供了形式化、可扩展且可解释的框架。