論文の概要: Vision to Specification: Automating the Transition from Conceptual Features to Functional Requirements

• arxiv url: http://arxiv.org/abs/2505.12262v1
• Date: Sun, 18 May 2025 07:01:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.12856
• Title: Vision to Specification: Automating the Transition from Conceptual Features to Functional Requirements
• Title（参考訳）: 仕様へのビジョン: 概念的特徴から機能的要件への移行を自動化する
• Authors: Xiaoli Lian, Jiajun Wu, Xiaoyun Gao, Shuaisong Wang, Li Zhang,
• Abstract要約: EasyFRアプローチでは、与えられた抽象機能に対してセマンティックロールラベリングシーケンスを推奨し、結合機能要件(FR)の生成において、事前学習言語モデル(PLM)をガイドする。 我々の結果は、将来のソフトウェアプロジェクトにおける要求仕様のプロセスを改善する可能性を秘めている、自動要求合成の領域における顕著な進歩を示している。
• 参考スコア（独自算出の注目度）: 10.85799957734291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The translation of high-level abstract features into clear, and testable functional requirements (FRs) is a crucial step in software development, bridging the gap between user needs and technical specifications. In engineering practice, significant expert effort is needed for this translation. Our approach, EasyFR, streamlines the process by recommending Semantic Role Labeling (SRL) sequences for the given abstract features to guide Pre-trained Language Models (PLMs) in producing cohesive FR statements. By analyzing ten diverse datasets, we induce two variable SRL templates, each including two configurable parts. For concrete features, our proposed Key2Temp model can construct the appropriate variant of the SRL template by identifying a variable SRL template and placing the feature tokens in the appropriate slots. In this way, our approach reframes the process of requirement generation into a structured slot-filling activity. Experimental validation on four open datasets demonstrates that EasyFR outperforms three advanced Natural language generation (NLG) approaches, including GPT4, particularly when existing FRs are available for training. The positive influence of our SRL template variant recommendations is further confirmed through an ablation study. We believe that our results indicate a notable step forward in the realm of automated requirements synthesis, holding potential to improve the process of requirements specification in future software projects.
• Abstract（参考訳）: 高レベルの抽象機能を明確でテスト可能な機能要件(FR)に変換することは、ユーザニーズと技術的仕様のギャップを埋める上で、ソフトウェア開発における重要なステップです。 工学的な実践では、この翻訳には重要な専門家の努力が必要である。 我々のアプローチであるEasyFRは、与えられた抽象的特徴に対してSemantic Role Labeling (SRL) シーケンスを推奨することでプロセスを合理化し、結合的なFR文を生成するための事前学習言語モデル(PLM)を導出する。 10種類の多様なデータセットを解析することにより、それぞれ2つの構成可能な部分を含む2つの可変SRLテンプレートを誘導する。 具体的な特徴として,提案したKey2Tempモデルでは,可変SRLテンプレートを識別し,特徴トークンを適切なスロットに配置することで,SRLテンプレートの適切な変種を構築することができる。 このようにして,本手法は要求生成過程を構造化スロット充足アクティビティに再構成する。 4つのオープンデータセットに対する実験的検証により、EasyFRは、GPT4を含む3つの高度な自然言語生成(NLG)アプローチ、特に既存のFRがトレーニングに利用可能である場合には、パフォーマンスが向上することが示された。 SRLテンプレート変異レコメンデーションの肯定的影響はアブレーション研究によりさらに確認された。 われわれの結果は、将来のソフトウェアプロジェクトにおける要件仕様のプロセスを改善する可能性を秘めている、自動要求合成の領域における顕著な進歩を示していると信じている。

関連論文リスト

• Reference Trustable Decoding: A Training-Free Augmentation Paradigm for Large Language Models [79.41139393080736]
  大規模言語モデル(LLM)は急速に進歩し、印象的な機能を示している。 In-Context Learning (ICL) など。 効率的なファインチューニング(PEFT)は、現在2つの主要な拡張方法である。 下流タスクへのLLM。 我々は、モデルが微調整なしで新しいタスクに迅速に適応できるパラダイムである参照信頼復号(RTD)を提案する。
  論文  参考訳（メタデータ） (2024-09-30T10:48:20Z)
• ToffA-DSPL: an approach of trade-off analysis for designing dynamic software product lines [3.623080116477751]
  toffA-DSPLという設計時におけるDSPLのトレードオフ解析手法を提案する。 NFRとコンテキスト間の相互作用を考慮した構成選択プロセスを扱う。 一般に、ToffA-DSPLによって提案される構成は、NFRの高い満足度を提供する。
  論文  参考訳（メタデータ） (2024-07-01T18:51:32Z)
• Unlock the Correlation between Supervised Fine-Tuning and Reinforcement Learning in Training Code Large Language Models [12.656574142412484]
  本研究では,教師付き微調整と強化学習の相関関係の解明を試みる。 SFTの一般化には原子関数と合成関数の両方が不可欠である。
  論文  参考訳（メタデータ） (2024-06-14T03:39:01Z)
• TAT-LLM: A Specialized Language Model for Discrete Reasoning over Tabular and Textual Data [73.29220562541204]
  我々は,言語モデル(LLM)の驚くべきパワーを活用して課題を解決することを検討する。 LLaMA2を微調整し,既存のエキスパートアノテートデータセットから自動生成したトレーニングデータを用いてTAT-LLM言語モデルを開発する。
  論文  参考訳（メタデータ） (2024-01-24T04:28:50Z)
• 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)
• 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)

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。