論文の概要: Early-Stage Requirements Transformation Approaches: A Systematic Review
- arxiv url: http://arxiv.org/abs/2408.05221v1
- Date: Thu, 25 Jul 2024 18:13:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 04:16:58.020117
- Title: Early-Stage Requirements Transformation Approaches: A Systematic Review
- Title（参考訳）: アーリーステージ要求変換アプローチ:システムレビュー
- Authors: Keletso J. Letsholo,
- Abstract要約: 本稿では,ソフトウェア開発の初期段階におけるトランスフォーメーションアプローチについて概観する。
レビューでは、StanfordやWordNetといったツールが不可欠であるなど、自然言語処理技術の普及が強調されている。
証明された課題は、単純なケーススタディと評価のための実行例を用いた、堅牢な評価方法の欠如である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transformation approaches for automatically constructing analysis models from textual requirements are critical to software development, as they can bring forward the use of precise formal languages from the coding phase to the requirement analysis phase in the software development life-cycle. Over the decades, numerous transformation approaches have been developed in an attempt to fully or partially automate this initial phase. This systematic review examines transformation approaches in the early stages of software development, examining 25 studies on early-stage requirements transformation documented between 2000 and 2014. The review highlights the widespread use of natural language processing techniques, with tools like the Stanford parser and WordNet being essential. Intermediate models are often used in the transformation process to bridge the gap between textual requirements and analysis models. Significant advancements have been made in early-stage requirements transformation approaches; however, several areas require attention to enhance their effectiveness and reliability. A challenge identified is the lack of robust evaluation methods, with most approaches using simple case studies and running examples for evaluation. This makes it difficult to compare and evaluate the performance these approaches. Although most approaches can generate structural models from textual requirements, many generate incomplete models with missing elements. Furthermore, requirements traceability is largely neglected, with only two approaches addressing it and lacking explicit detail on how traceability links are maintained during the transformation process. This review emphasize the need for formalized evaluation techniques and greater transparency and accessibility of approaches used in the early-stage requirements transformation.
- Abstract（参考訳）: テキスト要求から分析モデルを自動的に構築するための変換アプローチは、コーディングフェーズからソフトウェア開発ライフサイクルにおける要求分析フェーズまで、正確な形式言語の使用を前進させるため、ソフトウェア開発にとって非常に重要である。
何十年もの間、この初期フェーズを完全にあるいは部分的に自動化するために、多くのトランスフォーメーションアプローチが開発されてきた。
この体系的なレビューでは,2000年から2014年にかけての早期要件転換に関する25の研究を通じて,ソフトウェア開発の初期段階における変革アプローチについて検討する。
レビューでは、StanfordパーサやWordNetといったツールが不可欠であるなど、自然言語処理技術の普及が強調されている。
中間モデルはしばしば、テキスト要求と分析モデルの間のギャップを埋めるために変換プロセスで使用される。
早期の要件変換アプローチでは重要な進歩があったが、その有効性と信頼性を高めるためにいくつかの分野が注目されている。
証明された課題は、単純なケーススタディと評価のための実行例を用いた、堅牢な評価方法の欠如である。
これにより、これらのアプローチのパフォーマンスの比較と評価が困難になる。
ほとんどのアプローチは、テキスト要求から構造モデルを生成することができるが、多くのアプローチは、欠落した要素を持つ不完全なモデルを生成する。
さらに、要求トレーサビリティはほとんど無視されており、それに対応するアプローチは2つに過ぎず、トランスフォーメーションプロセス中にトレーサビリティリンクがどのように維持されているかを明確に示していない。
このレビューでは、形式化された評価技術の必要性と、アーリーステージ要求変換で使用されるアプローチの透明性とアクセシビリティの向上を強調している。
関連論文リスト
- Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering [51.31836988300326]
検証工学は、基礎モデルの時代のために特別に設計された新しいポストトレーニングパラダイムである。
検証工学のプロセスは,検索,検証,フィードバックの3段階に分類する。
論文 参考訳（メタデータ） (2024-11-18T12:04:52Z) - A Controlled Study on Long Context Extension and Generalization in LLMs [85.4758128256142]
広義のテキスト理解とテキスト内学習は、完全な文書コンテキストを利用する言語モデルを必要とする。
長期コンテキストモデルを直接訓練する際の実装上の課題のため、長期コンテキストを扱うためにモデルを拡張する多くの方法が提案されている。
我々は,一貫したベースモデルと拡張データを利用して,標準化された評価による拡張メソッドの制御プロトコルを実装した。
論文 参考訳（メタデータ） (2024-09-18T17:53:17Z) - Boosting CNN-based Handwriting Recognition Systems with Learnable Relaxation Labeling [48.78361527873024]
本稿では,2つの異なる手法の強みを組み込んだ手書き文字認識手法を提案する。
本稿では,アルゴリズムの収束を加速し,システム全体の性能を向上させるスペーシフィケーション手法を提案する。
論文 参考訳（メタデータ） (2024-09-09T15:12:28Z) - State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。
新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文 参考訳（メタデータ） (2024-06-13T12:51:22Z) - Logical analysis and contradiction detection in high-level requirements during the review process using sat-solver [0.0]
本研究では,データ辞書を用いた高レベル要件間の不整合を解析・識別する手法を提案する。
このアプローチの目的は、ソフトウェア検証プロセスにおけるハイレベルな要求のレビュー時間を著しく短縮することである。
論文 参考訳（メタデータ） (2024-04-30T19:26:54Z) - Masked Thought: Simply Masking Partial Reasoning Steps Can Improve Mathematical Reasoning Learning of Language Models [102.72940700598055]
推論タスクでは、小さなエラーでも不正確な結果にカスケードすることができる。
入力の摂動に頼らず、外部リソースの導入を避ける手法を開発した。
私たちのトレーニングアプローチでは、思考の連鎖の中で特定のトークンをランダムにマスクします。
論文 参考訳（メタデータ） (2024-03-04T16:21:54Z) - Self-Admitted Technical Debt Detection Approaches: A Decade Systematic Review [5.670597842524448]
技術的負債 (Technical debt, TD) とは、ソフトウェア開発において、最適な設計やコード決定に関連する長期的なコストを表す用語である。
開発者がこれらのトレードオフを明確に認めると、SATD(Self-Admitted Technical Debt)が発生する。
SATDの自動検出は、ますます重要な研究領域となっている。
論文 参考訳（メタデータ） (2023-12-19T12:01:13Z) - 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) - Quantifying Process Quality: The Role of Effective Organizational
Learning in Software Evolution [0.0]
現実世界のソフトウェアアプリケーションは、常に進化し続けなければならない。
ソフトウェア品質管理の従来の手法には、ソフトウェアの品質モデルと継続的コード検査ツールが含まれる。
しかし、開発プロセスの品質と結果のソフトウェア製品との間には、強い相関関係と因果関係がある。
論文 参考訳（メタデータ） (2023-05-29T12:57:14Z) - On the Reliability and Explainability of Language Models for Program
Generation [15.569926313298337]
自動プログラム生成手法の能力と限界について検討する。
私たちは、コード変換に大きく貢献するトークンを強調するために、高度な説明可能なAIアプローチを採用しています。
解析の結果,言語モデルではコード文法や構造情報を認識できるが,入力シーケンスの変化に対するロバスト性は限られていることがわかった。
論文 参考訳（メタデータ） (2023-02-19T14:59:52Z) - Faithfulness in Natural Language Generation: A Systematic Survey of
Analysis, Evaluation and Optimization Methods [48.47413103662829]
自然言語生成(NLG)は,事前学習型言語モデルなどの深層学習技術の発展により,近年大きく進歩している。
しかし、生成したテキストが通常不信または非実情報を含むという忠実性問題は、最大の課題となっている。
論文 参考訳（メタデータ） (2022-03-10T08:28:32Z)
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。