論文の概要: Natural Language in Requirements Engineering for Structure Inference --
An Integrative Review
- arxiv url: http://arxiv.org/abs/2202.05065v1
- Date: Thu, 10 Feb 2022 14:46:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 22:56:43.116050
- Title: Natural Language in Requirements Engineering for Structure Inference --
An Integrative Review
- Title(参考訳): 構造推論に必要な自然言語 -統合的考察-
- Authors: Maximilian Vierlboeck, Carlo Lipizzi, Roshanak Nilchiani
- Abstract要約: 本稿では,要求工学のための自然言語処理ツールに関する総合的なレビューを提供する。
その結果、現在、情報構造の直接的/一次的抽出を可能にするオープンソースアプローチは存在しない。
アルゴリズム、知識ベース、テキストコーパスを個別に管理できるアプローチが追求される可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automatic extraction of structure from text can be difficult for
machines. Yet, the elicitation of this information can provide many benefits
and opportunities for various applications. Benefits have also been identified
for the area of Requirements Engineering. To evaluate what work has been done
and is currently available, the paper at hand provides an integrative review
regarding Natural Language Processing (NLP) tools for Requirements Engineering.
This assessment was conducted to provide a foundation for future work as well
as deduce insights from the stats quo. To conduct the review, the history of
Requirements Engineering and NLP are described as well as an evaluation of over
136 NLP tools. To assess these tools, a set of criteria was defined. The
results are that currently no open source approach exists that allows for the
direct/primary extraction of information structure and even closed source
solutions show limitations such as supervision or input limitations, which
eliminates the possibility for fully automatic and universal application. As a
results, the authors deduce that the current approaches are not applicable and
a different methodology is necessary. An approach that allows for individual
management of the algorithm, knowledge base, and text corpus is a possibility
being pursued.
- Abstract(参考訳): テキストからの構造の自動抽出は機械にとって困難である。
しかし、この情報の活用は様々なアプリケーションに多くの利益と機会をもたらすことができる。
要求工学の分野でも利益が特定されている。
この論文は、要求工学のための自然言語処理(NLP)ツールに関する統合的なレビューを提供する。
この評価は、将来の研究の基盤を提供するとともに、統計から洞察を導き出すために行われた。
本レビューでは,要求工学とNLPの歴史と136以上のNLPツールの評価について述べる。
これらのツールを評価するために、一連の基準を定義した。
その結果,情報構造の直接的/一次的抽出が可能なオープンソースアプローチは存在せず,クローズドソースソリューションにおいても,監視や入力制限などの制限が示されており,完全自動およびユニバーサルアプリケーションの可能性は排除されている。
その結果、著者らは現在のアプローチは適用不可能であり、異なる方法論が必要であると推測した。
アルゴリズム、知識ベース、テキストコーパスの個別管理を可能にするアプローチが追求されている。
関連論文リスト
- Bayesian Preference Elicitation with Language Models [82.58230273253939]
本稿では,BOEDを用いて情報的質問の選択を案内するフレームワークOPENと,特徴抽出のためのLMを紹介する。
ユーザスタディでは,OPEN が既存の LM- や BOED をベースとした選好手法よりも優れていることが判明した。
論文 参考訳(メタデータ) (2024-03-08T18:57:52Z) - Quantitative Assurance and Synthesis of Controllers from Activity
Diagrams [4.419843514606336]
確率的モデル検査は、定性的および定量的な性質を自動検証するために広く用いられている形式的検証手法である。
これにより、必要な知識を持っていない研究者やエンジニアにはアクセスできない。
本稿では,確率時間の新しいプロファイル,品質アノテーション,3つのマルコフモデルにおけるADの意味論的解釈,アクティビティ図からPRISM言語への変換ルールのセットなど,ADの総合的な検証フレームワークを提案する。
最も重要なことは、モデルをベースとした手法を用いて、完全自動検証のための変換アルゴリズムを開発し、QASCADと呼ばれるツールで実装したことです。
論文 参考訳(メタデータ) (2024-02-29T22:40:39Z) - Structured Entity Extraction Using Large Language Models [54.53348483973769]
大規模言語モデル(LLM)は、構造化されていないテキストから構造化された情報を抽出する上で重要な役割を果たす。
本稿では,構造化エンティティ抽出における現行手法の課題と限界について考察する。
本研究では,LLMのパワーを有効・効率的に活用する新しいモデルを提案する。
論文 参考訳(メタデータ) (2024-02-06T22:15:09Z) - Natural Language Processing for Requirements Formalization: How to
Derive New Approaches? [0.32885740436059047]
我々はNLPの分野における主要な考え方と最先端の方法論について論じる。
我々は2つの異なるアプローチを詳細に議論し、ルールセットの反復的開発を強調した。
提案手法は, 自動車分野と鉄道分野の2つの産業分野において実証された。
論文 参考訳(メタデータ) (2023-09-23T05:45:19Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳(メタデータ) (2023-04-14T14:55:19Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-04-05T22:19:42Z) - Requirement Formalisation using Natural Language Processing and Machine
Learning: A Systematic Review [11.292853646607888]
我々は,要求工学におけるNLP技術とML技術の現状を概説するために,体系的な文献レビューを行った。
NLPアプローチは、構造化データと半構造化データに対する一次操作である自動RFに使用される最も一般的なNLP手法であることがわかった。
また,本研究では,従来のML技術が研究に大きく貢献する代わりに,Deep Learning(DL)技術が広く用いられていることも明らかにした。
論文 参考訳(メタデータ) (2023-03-18T17:36:21Z) - Natural Language Processing for Systems Engineering: Automatic
Generation of Systems Modelling Language Diagrams [0.10312968200748115]
構造化されていない自然言語テキストからシステム図の自動生成を支援する手法が提案されている。
目的は、より標準化され、包括的で自動化されたスタートポイントをユーザに提供することです。
論文 参考訳(メタデータ) (2022-08-09T19:20:33Z) - Affordance Extraction with an External Knowledge Database for Text-Based
Simulated Environments [0.0]
余剰抽出のプロセスは、テキストベースのシミュレートされた環境内でのインタラクションの可能なアクションを生成するために使用することができる。
インタラクティブ・フィクションプラットフォームであるTextWorldとJerrichoで,自動手当抽出アルゴリズムを導入,評価した。
プロセスのさらなる修正と改善を推奨する。
論文 参考訳(メタデータ) (2022-07-01T08:39:18Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳(メタデータ) (2021-11-09T13:30:34Z) - Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。
我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。
主アルゴリズムの正確性と収束性を保証する。
論文 参考訳(メタデータ) (2021-02-01T01:13:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。