論文の概要: Automatic extraction of cause-effect-relations from requirements artifacts

• arxiv url: http://arxiv.org/abs/2312.06986v1
• Date: Tue, 12 Dec 2023 05:05:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 17:25:40.684000
• Title: Automatic extraction of cause-effect-relations from requirements artifacts
• Title（参考訳）: 要件アーティファクトからの因果関係の自動抽出
• Authors: Julian Frattini, Maximilian Junker, Michael Unterkalmsteiner, Daniel Mendez
• Abstract要約: 我々は,要求工学の文脈における統語的基準に基づいて,対話的因果抽出の価値を理解することを目的とする。 評価では,18の要件文書から4457の自然言語文を分析し,そのうち558が因果関係であった。 要求文書の最良の評価は、平均して48.57%の因果効果グラフを自動抽出することであった。
• 参考スコア（独自算出の注目度）: 1.7460203748047738
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Background: The detection and extraction of causality from natural language sentences have shown great potential in various fields of application. The field of requirements engineering is eligible for multiple reasons: (1) requirements artifacts are primarily written in natural language, (2) causal sentences convey essential context about the subject of requirements, and (3) extracted and formalized causality relations are usable for a (semi-)automatic translation into further artifacts, such as test cases. Objective: We aim at understanding the value of interactive causality extraction based on syntactic criteria for the context of requirements engineering. Method: We developed a prototype of a system for automatic causality extraction and evaluate it by applying it to a set of publicly available requirements artifacts, determining whether the automatic extraction reduces the manual effort of requirements formalization. Result: During the evaluation we analyzed 4457 natural language sentences from 18 requirements documents, 558 of which were causal (12.52%). The best evaluation of a requirements document provided an automatic extraction of 48.57% cause-effect graphs on average, which demonstrates the feasibility of the approach. Limitation: The feasibility of the approach has been proven in theory but lacks exploration of being scaled up for practical use. Evaluating the applicability of the automatic causality extraction for a requirements engineer is left for future research. Conclusion: A syntactic approach for causality extraction is viable for the context of requirements engineering and can aid a pipeline towards an automatic generation of further artifacts from requirements artifacts.
• Abstract（参考訳）: 背景:自然言語文からの因果関係の検出と抽出は,様々な応用分野において大きな可能性を示している。 要件工学の分野は、(1)要件アーティファクトは主に自然言語で書かれ、(2)因果文は要件の主題に関する本質的な文脈を伝達し、(3)抽出され、形式化された因果関係は、テストケースのようなさらなるアーティファクトへの(半)自動翻訳に利用可能である。 目的:要求工学の文脈における構文的基準に基づく対話的因果関係抽出の価値を理解することを目的とする。 方法: 自動的因果関係抽出システムのプロトタイプを開発し, 自動抽出が要求形式化の手動作業を減らすかどうかを判定し, 利用可能な要求成果物の集合に適用することで評価を行った。 結果:18の要件文書から4457の自然言語文を分析し,その内558が因果性(12.52%)であった。 要求文書の最良の評価は、平均して48.57%の因果効果グラフを自動抽出することであり、このアプローチの実現可能性を示している。 限界: このアプローチの実現性は理論上は証明されているが、実用のためにスケールアップされる可能性の探求が欠如している。 要件エンジニアに対する自動因果関係抽出の適用性の評価は,今後の研究に残されている。 結論: 要件工学のコンテキストでは因果関係抽出の構文的アプローチが有効であり、要件アーティファクトからさらなるアーティファクトの自動生成に向けてパイプラインを支援することができる。

関連論文リスト

• Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  言語モデルの性能の効果的な指標としての可能性を示す。 提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• Phenomenal Yet Puzzling: Testing Inductive Reasoning Capabilities of Language Models with Hypothesis Refinement [92.61557711360652]
  言語モデル(LM)は、しばしば帰納的推論に不足する。 我々は,反復的仮説修正を通じて,LMの帰納的推論能力を体系的に研究する。 本研究は, LMの誘導的推論過程と人間とのいくつかの相違点を明らかにし, 誘導的推論タスクにおけるLMの使用の可能性と限界に光を当てる。
  論文  参考訳（メタデータ） (2023-10-12T17:51:10Z)
• CiRA: An Open-Source Python Package for Automated Generation of Test Case Descriptions from Natural Language Requirements [1.3082545468017672]
  本稿では,条件付き自然言語要求を自動的に処理するCiRA(Causality In Requirements Artifacts)イニシアチブのツールを提案する。 我々は,このツールを,ドイツ・コロナ・ワーン・アプリ(Corona-Warn-App)の要件仕様から,61の要件の公開データセット上で評価する。
  論文  参考訳（メタデータ） (2023-10-12T11:30:59Z)
• Natural Language in Requirements Engineering for Structure Inference -- An Integrative Review [0.0]
  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。
  論文  参考訳（メタデータ） (2022-02-10T14:46:09Z)
• Fine-Grained Causality Extraction From Natural Language Requirements Using Recursive Neural Tensor Networks [4.3809778768125875]
  本稿では,再帰的ニューラルネットワークに基づく微粒な因果抽出器を提案する。 我々のアプローチは、自然言語で書かれた因果文の合成を回復することができる。
  論文  参考訳（メタデータ） (2021-07-21T09:52:10Z)
• Lexically-constrained Text Generation through Commonsense Knowledge Extraction and Injection [62.071938098215085]
  我々は、ある入力概念のセットに対して妥当な文を生成することを目的としているcommongenベンチマークに焦点を当てる。 生成したテキストの意味的正しさを高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-19T23:23:40Z)
• Measuring Association Between Labels and Free-Text Rationales [60.58672852655487]
  解釈可能なNLPでは、説明された例に対するモデルの意思決定プロセスを反映した忠実な理性が必要です。 情報抽出型タスクに対する忠実な抽出合理化のための既存のモデルであるパイプラインは、自由テキスト合理化を必要とするタスクに確実に拡張されないことを示す。 我々は、信頼が確立されていない自由文合理化のための、広く使われている高性能モデルのクラスである、共同予測と合理化のモデルに目を向ける。
  論文  参考訳（メタデータ） (2020-10-24T03:40:56Z)
• Constrained Abstractive Summarization: Preserving Factual Consistency with Constrained Generation [93.87095877617968]
  本稿では,抽象要約の現実的一貫性を保ちつつ,制約付き抽象要約(CAS)を提案する。 我々は、CASを満たすために、一般的に自己回帰生成モデルに適用される語彙制約付き復号法を採用する。 対話的要約において1つの手動制約のみを使用する場合、最大13.8ROUGE-2ゲインを観測する。
  論文  参考訳（メタデータ） (2020-10-24T00:27:44Z)
• At Which Level Should We Extract? An Empirical Analysis on Extractive Document Summarization [110.54963847339775]
  本研究は,全文を抽出する際,不必要な問題や冗長性が存在することを示す。 選挙区解析木に基づくサブセグメント単位の抽出を提案する。
  論文  参考訳（メタデータ） (2020-04-06T13:35:10Z)
• Data Mining in Clinical Trial Text: Transformers for Classification and Question Answering Tasks [2.127049691404299]
  本研究は,医学的テキストに基づくエビデンス合成に自然言語処理の進歩を適用した。 主な焦点は、Population、Intervention、Comparator、Outcome(PICO)フレームワークを通じて特徴づけられる情報である。 トランスフォーマーに基づく最近のニューラルネットワークアーキテクチャは、トランスファーラーニングの能力を示し、下流の自然言語処理タスクのパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2020-01-30T11:45:59Z)

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。