[论文解读] Semantic annotation of requirements for automatic UML class diagram generation

Soumaya Amdouni, Wahiba Ben Abdessalem Karâa+1 more|arXiv (Cornell University)|Jul 17, 2011

Software Engineering Research参考文献 9被引用 4

一句话总结

本文提出了一种工具，该工具利用NLP和GATE框架内的语义规则，从文本需求自动生成UML类图。通过对接收到的需求进行语义标注，系统能够实现自然语言到结构化UML模型的准确、基于规则的转换，显著提升了早期软件设计的效率和准确性。

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.

研究动机与目标

• 解决将非结构化的文本需求转换为正式UML类图的挑战。
• 通过自动化该过程，减少需求到UML映射中的手动工作量和错误。
• 通过语义标注提升文本需求的可解释性。
• 支持软件设计师从自然语言描述过渡到结构化的UML模型。

提出的方法

• 利用GATE（通用文本工程架构）平台进行文本处理和语义标注。
• 应用自然语言处理（NLP）技术，从需求文本中提取关键实体和关系。
• 采用领域特定的语义规则，将自然语言术语映射到UML类图元素（如类、属性和关联）。
• 通过识别名词短语及其在需求中的句法和语义角色，生成语义标注。
• 使用基于规则的转换方法，将标注后的需求转换为UML类图。
• 通过集成NLP处理管道与UML模型生成逻辑的原型工具，验证该方法。

实验结果

研究问题

• RQ1 如何对自然语言需求进行语义标注，以实现UML类图的准确生成？
• RQ2 哪些语义规则集合在将文本实体和关系映射到UML构件方面是有效的？
• RQ3 NLP技术在多大程度上能减少将需求转换为UML模型所需的手动工作量？
• RQ4 将GATE与基于规则的转换相结合，如何提升生成的UML图的保真度？

主要发现

• 所提出的工具成功利用NLP和基于规则的标注，将文本需求转换为语义准确的UML类图。
• 语义标注显著提高了从非结构化文本中提取类和关系的精度。
• 将GATE与领域特定规则相结合，实现了可扩展且可重用的UML模型生成。
• 该方法通过自动化初始建模阶段，减轻了设计师的认知负担。
• 原型展示了在从现实世界的需求文档生成UML图方面的可行性与有效性。