論文の概要: Natural Language Processing for Systems Engineering: Automatic
Generation of Systems Modelling Language Diagrams
- arxiv url: http://arxiv.org/abs/2208.05008v1
- Date: Tue, 9 Aug 2022 19:20:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 12:49:04.680161
- Title: Natural Language Processing for Systems Engineering: Automatic
Generation of Systems Modelling Language Diagrams
- Title（参考訳）: システム工学のための自然言語処理--システムモデリング言語図の自動生成
- Authors: Shaohong Zhong, Andrea Scarinci, Alice Cicirello
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.10312968200748115
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The design of complex engineering systems is an often long and articulated
process that highly relies on engineers' expertise and professional judgment.
As such, the typical pitfalls of activities involving the human factor often
manifest themselves in terms of lack of completeness or exhaustiveness of the
analysis, inconsistencies across design choices or documentation, as well as an
implicit degree of subjectivity. An approach is proposed to assist systems
engineers in the automatic generation of systems diagrams from unstructured
natural language text. Natural Language Processing (NLP) techniques are used to
extract entities and their relationships from textual resources (e.g.,
specifications, manuals, technical reports, maintenance reports) available
within an organisation, and convert them into Systems Modelling Language
(SysML) diagrams, with particular focus on structure and requirement diagrams.
The intention is to provide the users with a more standardised, comprehensive
and automated starting point onto which subsequently refine and adapt the
diagrams according to their needs. The proposed approach is flexible and
open-domain. It consists of six steps which leverage open-access tools, and it
leads to an automatic generation of SysML diagrams without intermediate
modelling requirement, but through the specification of a set of parameters by
the user. The applicability and benefits of the proposed approach are shown
through six case studies having different textual sources as inputs, and
benchmarked against manually defined diagram elements.
- Abstract（参考訳）: 複雑なエンジニアリングシステムの設計は、しばしば長く明瞭なプロセスであり、技術者の専門知識と専門的な判断に大きく依存している。
このように、ヒューマンファクタに関わる活動の典型的な落とし穴は、分析の完全性や徹底性の欠如、設計の選択やドキュメント間の不整合、暗黙の主観性の程度といった観点で現れることが多い。
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。
自然言語処理(NLP)技術は、組織内で利用可能なテキストリソース(例えば、仕様、マニュアル、技術的報告、保守レポート)からエンティティとそれらの関係を抽出し、特に構造と要求図に焦点を当てたシステムモデリング言語(SysML)図に変換するために使用される。
その目的は、より標準化され、包括的で自動化された出発点を提供し、その後、必要に応じて図を洗練し、適応させることです。
提案手法は柔軟でオープンドメインである。
オープンアクセスツールを利用する6つのステップで構成されており、中間モデリングの必要なしにSysMLダイアグラムを自動生成する。
提案手法の適用性と利点は,入力として異なるテキストソースを持つ6つのケーススタディで示され,手作業で定義されたダイアグラム要素に対してベンチマークを行った。
関連論文リスト
- Beyond Mask: Rethinking Guidance Types in Few-shot Segmentation [67.35274834837064]
我々は、テキスト、マスク、ボックス、画像からのプロンプトを統合するユニバーサルビジョン言語フレームワーク(UniFSS)を開発した。
UniFSSは最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2024-07-16T08:41:01Z) - PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。
データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。
我々は、大規模な実験を行い、パブリックなマルチモーダルレイアウト生成ベンチマーク上で、最先端(SOTA)性能を達成した。
論文 参考訳（メタデータ） (2024-06-05T03:05:52Z) - Towards Single-System Illusion in Software-Defined Vehicles -- Automated, AI-Powered Workflow [3.2821049498759094]
本稿では,車載ソフトウェアシステムの開発における,新しいモデルと特徴に基づくアプローチを提案する。
提案されたアプローチの重要なポイントの1つは、近代的な生成AI、特にLarge Language Models(LLM)の導入である。
その結果、パイプラインは広範囲に自動化され、各ステップでフィードバックが生成される。
論文 参考訳（メタデータ） (2024-03-21T15:07:57Z) - A Systematic Survey of Prompt Engineering in Large Language Models:
Techniques and Applications [11.568575664316143]
本稿では,応用分野別に分類した,最近のプロンプト工学の進歩について概説する。
本稿では、プロンプト手法、その応用、関連するモデル、利用したデータセットについて詳述する。
この体系的な分析は、この急速に発展している分野をよりよく理解し、オープンな課題と迅速なエンジニアリングの機会を照明することによって将来の研究を促進する。
論文 参考訳（メタデータ） (2024-02-05T19:49:13Z) - From Dialogue to Diagram: Task and Relationship Extraction from Natural
Language for Accelerated Business Process Prototyping [0.0]
本稿では、依存性解析と名前付きエンティティ認識(NER)の利用を、我々のアプローチの中心とする現代的ソリューションを紹介します。
我々は,行動関係の同定にSVO(Subject-Verb-Object)構造を用い,コンテキスト理解のためのWordNetなどの意味分析ツールを統合する。
このシステムはデータ変換と視覚化を十分に処理し、冗長に抽出された情報をBPMN(Business Process Model and Notation)ダイアグラムに変換する。
論文 参考訳（メタデータ） (2023-12-16T12:35:28Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-14T10:37:34Z) - Fine-Tuning Language Models Using Formal Methods Feedback [53.24085794087253]
我々は、自律システムにおけるアプリケーションのための、微調整済み言語モデルに対して、完全に自動化されたアプローチを提案する。
本手法は,自然言語タスク記述による事前学習モデルから自動制御器を合成する。
その結果、コントローラが満たした仕様の割合が60%から90%に改善したことが示唆された。
論文 参考訳（メタデータ） (2023-10-27T16:24:24Z) - On Conditional and Compositional Language Model Differentiable Prompting [75.76546041094436]
プロンプトは、下流タスクでうまく機能するために、凍結した事前訓練言語モデル(PLM)を適応するための効果的な方法であることが示されている。
タスク命令や入力メタデータを連続的なプロンプトに変換することを学習する新しいモデル Prompt Production System (PRopS) を提案する。
論文 参考訳（メタデータ） (2023-07-04T02:47:42Z) - A Graphical Modeling Language for Artificial Intelligence Applications
in Automation Systems [69.50862982117127]
学際的なグラフィカルモデリング言語で、すべての分野に理解可能なシステムとして、AIアプリケーションのモデリングを可能にすることは、まだ存在しない。
本稿では,システムレベルでの自動化システムにおけるAIアプリケーションの一貫した,理解可能なモデリングを可能にするグラフィカルモデリング言語を提案する。
論文 参考訳（メタデータ） (2023-06-20T12:06:41Z) - Exploring In-Context Learning Capabilities of Foundation Models for
Generating Knowledge Graphs from Text [3.114960935006655]
本論文は,知識グラフの自動構築と完成の技術をテキストから改善することを目的としている。
この文脈では、新しいパラダイムの1つは、言語モデルがプロンプトとともにそのまま使われる、コンテキスト内学習である。
論文 参考訳（メタデータ） (2023-05-15T17:10:19Z) - Technical Report on Neural Language Models and Few-Shot Learning for
Systematic Requirements Processing in MDSE [1.6286277560322266]
本論文は,自動車要件のオープンソースセットの分析に基づくものである。
ドメイン固有の言語構造を導き、要求の不明瞭さを回避し、形式性のレベルを上げるのに役立ちます。
論文 参考訳（メタデータ） (2022-11-16T18:06:25Z)
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。