論文の概要: ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains
- arxiv url: http://arxiv.org/abs/2603.23482v1
- Date: Tue, 24 Mar 2026 17:45:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.62387
- Title: ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains
- Title（参考訳）: ReqFusion: ソフトウェアドメイン間のPEGS分析を自動化するマルチプロバイダフレームワーク
- Authors: Muhammad Khalid, Manuel Oriol, Yilmaz Uygun,
- Abstract要約: ReqFusionは、ソフトウェア要件の抽出、分類、分析を自動化するAI強化システムである。
アーキテクチャはOpenAI GPT、Anthhropic Claude、Groqモデルを統合し、機能的および非機能的要件を抽出する。
- 参考スコア（独自算出の注目度）: 0.45880283710344066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Requirements engineering is a vital, yet labor-intensive, stage in the software development process. This article introduces ReqFusion: an AI-enhanced system that automates the extraction, classification, and analysis of software requirements utilizing multiple Large Language Model (LLM) providers. The architecture of ReqFusion integrates OpenAI GPT, Anthropic Claude, and Groq models to extract functional and non-functional requirements from various documentation formats (PDF, DOCX, and PPTX) in academic, industrial, and tender proposal contexts. The system uses a domain-independent extraction method and generates requirements following the Project, Environment, Goal, and System (PEGS) approach introduced by Bertrand Meyer. The main idea is that, because the PEGS format is detailed, LLMs have more information and cues about the requirements, producing better results than a simple generic request. An ablation study confirms this hypothesis: PEGS-guided prompting achieves an F1 score of 0.88, compared to 0.71 for generic prompting under the same multi-provider configuration. The evaluation used 18 real-world documents to generate 226 requirements through automated classification, with 54.9% functional and 45.1% nonfunctional across academic, business, and technical domains. An extended evaluation on five projects with 1,050 requirements demonstrated significant improvements in extraction accuracy and a 78% reduction in analysis time compared to manual methods. The multi-provider architecture enhances reliability through model consensus and fallback mechanisms, while the PEGS-based approach ensures comprehensive coverage of all requirement categories.
- Abstract（参考訳）: 要求工学はソフトウェア開発プロセスにおいて不可欠だが、労働集約的な段階である。
本稿では、複数のLarge Language Model(LLM)プロバイダを利用したソフトウェア要件の抽出、分類、分析を自動化するAI強化システムであるReqFusionを紹介する。
ReqFusionのアーキテクチャはOpenAI GPT、Anthhropic Claude、Groqモデルを統合し、学術的、工業的、およびテンダーな提案コンテキストにおける様々なドキュメントフォーマット(PDF、DOCX、PPTX)から機能的および非機能的要件を抽出する。
このシステムはドメインに依存しない抽出法を使用し、Bertrand Meyer氏が導入したプロジェクト、環境、ゴール、システム(PEGS)アプローチに従って要求を生成する。
PEGSフォーマットは詳細であるため、LCMは要件に関する情報と手がかりを多く持っていて、単純な汎用的な要求よりも優れた結果を生み出す、というのが主な考え方である。
PEGS誘導プロンプトはF1スコアが0.88であるのに対し、ジェネリックプロンプトは0.71である。
評価では18の現実世界の文書を使用して、自動化された分類によって226の要件を生成し、54.9%が機能的、45.1%が学術、ビジネス、技術ドメインで非機能的であった。
1,050の要件を持つ5つのプロジェクトにおいて, 抽出精度が大幅に向上し, 解析時間が78%減少した。
マルチプロジェクタアーキテクチャはモデルコンセンサスとフォールバック機構を通じて信頼性を高め、PEGSベースのアプローチはすべての要件カテゴリの包括的カバレッジを保証する。
関連論文リスト
- HuggingR$^{4}$: A Progressive Reasoning Framework for Discovering Optimal Model Companions [50.61510609116118]
HuggingR$4$は、Reasoning、Retrieval、Refinement、Reflectionを組み合わせて効率的にモデルを選択する新しいフレームワークである。
作業性率は92.03%、理性率は82.46%に達し、それぞれ26.51%、33.25%を超える。
論文 参考訳（メタデータ） (2025-11-24T03:13:45Z) - Towards Global Retrieval Augmented Generation: A Benchmark for Corpus-Level Reasoning [50.27838512822097]
我々は,グローバルRAG機能を評価するために設計された最初のベンチマークであるGlobalQAを紹介する。
我々は,チャンクレベルの検索によって構造的コヒーレンスを保存するマルチツール協調フレームワークであるGlobalRAGを提案する。
Qwen2.5-14Bモデルでは、GlobalRAGは最強のベースラインである1.51 F1と比較して6.63 F1を達成した。
論文 参考訳（メタデータ） (2025-10-30T07:29:14Z) - A Hybrid Ai Framework For Strategic Patent Portfolio Pruning: Integrating Learning To-Rank And Market Need Analysis For Technology Transfer Optimization [6.142730022466677]
本稿では,特許ポートフォリオを抽出し,技術移転のための高価値資産を特定するための,新しい多段階ハイブリッドインテリジェンスフレームワークを提案する。
当社のフレームワークは,30以上の法的および商業的パラメータに対する特許評価を行うLearning to Rankモデルと,"Need-Seed"エージェントベースシステムを組み合わせることにより,このプロセスを自動化する。
論文 参考訳（メタデータ） (2025-08-31T18:43:18Z) - Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search [54.987957691350665]
クエリ駆動テキスト要約(QDTS)は、与えられたクエリに基づいてテキスト文書から簡潔で情報的な要約を生成することを目的としている。
従来の抽出的要約モデルは、主にランク付け候補の要約セグメントに基づいており、産業応用において支配的なアプローチとなっている。
産業Web検索におけるリアルタイムQDTSに対処するための生成モデルの適用を開拓するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-28T08:51:51Z) - ReqInOne: A Large Language Model-Based Agent for Software Requirements Specification Generation [10.422454564870929]
LLM(Large Language Model)ベースのアプローチは幻覚と限定的な制御性に悩まされる。
ReqInOneでは,SRS生成を要約,要件抽出,要件分類という3つのタスクに分解することで,モジュールアーキテクチャを採用している。
GPT-4o, LLaMA 3, DeepSeek-R1 を用いて ReqInOne の評価を行い, 得られた SRS と GPT-4 をベースとした手法との比較を行った。
論文 参考訳（メタデータ） (2025-08-13T09:30:41Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - ChatCFD: An LLM-Driven Agent for End-to-End CFD Automation with Domain-Specific Structured Reasoning [4.098524616768554]
ChatCFDはOpenFOAMシミュレーションのための自動エージェントシステムである。
その4段階のパイプラインは、複雑なセットアップのために反復的なトライアル-リフレクション-リファインメントを可能にする。
ChatCFDは、協調マルチエージェントシステムのためのMPPベースのエージェントネットワークにおいて、モジュラーコンポーネントとして強力な可能性を示している。
論文 参考訳（メタデータ） (2025-05-28T08:43:49Z) - Requirements-Driven Automated Software Testing: A Systematic Review [12.953746641112518]
この体系的な文献は、要求入力フォーマット、変換技術、生成されたテストアーティファクト、評価方法、一般的な制限の現状を批判的に検証する。
本研究は,機能要件,モデルベース仕様,自然言語フォーマットの優位性に注目した。
テストケース、構造化されたテキスト形式、要求カバレッジは一般的だが、完全な自動化は依然として稀である。
論文 参考訳（メタデータ） (2025-02-25T23:13:09Z)
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。