論文の概要: An Empirical Study on the Impact of Normalized Use-Case Specifications on Traceability
- arxiv url: http://arxiv.org/abs/2608.15726v1
- Date: Sun, 16 Aug 2026 12:59:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.403085
- Title: An Empirical Study on the Impact of Normalized Use-Case Specifications on Traceability
- Title（参考訳）: 標準ユースケース仕様がトレーサビリティに及ぼす影響に関する実証的研究
- Abstract要約: 要求とソースコードの間のトレーサビリティリンクの回復は、ソフトウェアの品質保証と進化解析にとって不可欠である。
既存のアプローチのほとんどはトレーサビリティアルゴリズムを最適化するが、要求記述の固有の品質は無視する。
本研究は,セマンティックギャップを低減するために,要求指向の正規化手法を提案する。
- 参考スコア（独自算出の注目度）: 25.668935120855735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traceability link recovery between requirements and source code is vital for software quality assurance and evolution analysis. Although automated traceability techniques have advanced greatly, the large semantic gap between vague natural-language requirements and precise source code still hinders accurate link recovery. Most existing approaches optimize traceability algorithms yet ignore the inherent quality of requirement descriptions, which prevents fundamental reduction of the semantic gap. This work proposes a requirement-oriented normalization method. Using controlled natural language and large-language-model-based prompt engineering, raw requirements are decomposed and converted into standardized use-case specifications to strengthen semantic representation and mitigate semantic divergence. Evaluated on four public datasets under two typical traceability frameworks, the normalized specifications improve tracing performance for semantically ambiguous raw requirements. However, over-normalization may degrade results for already high-quality requirements closely aligned with code semantics. The results validate source-side requirement normalization as a promising strategy for traceability improvement and reveal its applicable boundaries for practical usage.
- Abstract（参考訳）: 要求とソースコードの間のトレーサビリティリンクの回復は、ソフトウェアの品質保証と進化解析にとって不可欠である。
自動トレーサビリティ技術は大幅に進歩しているが、あいまいな自然言語要求と正確なソースコードの間の大きな意味的ギャップは、正確なリンク回復を妨げる。
既存のほとんどのアプローチは、トレーサビリティアルゴリズムを最適化するが、要求記述の固有の品質を無視する。
本研究は要件指向の正規化手法を提案する。
制御された自然言語と大言語モデルに基づくプロンプトエンジニアリングを用いて、生の要求を分解し、セマンティック表現を強化し、セマンティックなばらつきを軽減するために標準化されたユースケース仕様に変換する。
2つの典型的なトレーサビリティフレームワークの下で4つの公開データセットに基づいて評価され、正規化された仕様は、意味的に曖昧な生の要求に対するトレース性能を改善した。
しかし、オーバーノーマライゼーションはコードセマンティクスと密接に一致した既に高品質な要求に対して結果を劣化させる可能性がある。
その結果、トレーサビリティ向上のための有望な戦略として、ソース側要求正規化を検証し、実用的な使用法として適用可能な境界を明らかにした。
関連論文リスト
- ClarifyCodeBench: Evaluating LLMs on Clarifying Ambiguous Requirements for Code Generation [54.788849448970154]
我々はClarifyCodeBenchを紹介した。ClarifyCodeBenchは、要求のあいまいさを解決するためのLarge Language Modelsの機能を評価するための、インタラクティブなベンチマークだ。
ClarifyCodeBenchを用いて、6つの最先端LCMの体系的評価を行う。
1) 能力の疎結合: 強いコード生成性能は本質的には効果的な要求の明確化に変換されない; 2) 推論パラドックス: 計算思考の増大はコードの正確性を高めるが、あいまいさの識別において限界的な利益をもたらす。
論文 参考訳（メタデータ） (2026-07-01T09:58:59Z) - Dynamic Parsing and Updating Natural Language Specification using VLMs for Robust Vision-Language Tracking [61.91472604294714]
トラッキング主成分を抽出する新しい言語依存解析機構を提案する。
我々は、事前学習された視覚言語モデルQwen-VLの強力なクロスモーダル理解能力を利用する。
本手法は,複数の大規模視覚言語追跡ベンチマークにおいて,一貫した,より優れたトラッキング性能を実現する。
論文 参考訳（メタデータ） (2026-06-28T12:12:18Z) - Type-Aware Retrieval-Augmented Generation with Dependency Closure for Solver-Executable Industrial Optimization Modeling [0.42753669499145647]
本稿では,モデルエンティティタイプと最小限の依存性のクロージャを強制し,実行可能性を保証するタイプアウェア検索拡張生成(RAG)手法を提案する。
本手法は, 電池生産における需要応答最適化とフレキシブルなジョブショップスケジューリングという2つの制約集約型産業事例で検証する。
論文 参考訳（メタデータ） (2026-03-03T17:41:34Z) - Enhancing Formal Software Specification with Artificial Intelligence [1.4217721366366873]
形式的ソフトウェア仕様は、早期エラー検出と明示的な不変性を可能にすることが知られている。
表記のオーバーヘッドが高く、伝統的な形式言語を使うのに必要な専門知識があるため、工業的採用が限られている。
近年の人工知能の進歩は、これらのコストを大幅に削減しつつ、形式仕様の利点の多くを維持することができる。
論文 参考訳（メタデータ） (2026-01-11T13:53:22Z) - Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。
まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。
次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
論文 参考訳（メタデータ） (2025-08-05T12:28:23Z) - Uncertainty-Aware Trajectory Prediction via Rule-Regularized Heteroscedastic Deep Classification [3.126303871979975]
ShiFT (Spectral Heteroscedastic Informed Forecasting for Trajectories) は、よく校正された不確実性モデリングと情報前処理を組み合わせた新しいフレームワークである。
我々のモデルは、本質的に不確実性が高い交差点のような複雑なシナリオで優れている。
論文 参考訳（メタデータ） (2025-04-17T17:24:50Z) - Constrained Auto-Regressive Decoding Constrains Generative Retrieval [71.71161220261655]
ジェネレーティブ検索は、従来の検索インデックスデータ構造を1つの大規模ニューラルネットワークに置き換えようとしている。
本稿では,制約とビームサーチという2つの本質的な視点から,制約付き自己回帰生成の固有の制約について検討する。
論文 参考訳（メタデータ） (2025-04-14T06:54:49Z) - Efficient and Asymptotically Unbiased Constrained Decoding for Large Language Models [46.43567715840425]
本稿では,制約付き並列プリフィックス検証(PPV)のための動的重要サンプリング手法を提案する。
PPVは、動的重要度サンプリングを利用して理論的に保証された不偏性を実現し、プレフィックスツリーの非効率性を克服する新しいアルゴリズムである。
実験により,既存の手法よりも効率と出力品質が優れていることを示した。
論文 参考訳（メタデータ） (2025-04-12T08:49:21Z) - Bayesian Prompt Learning for Image-Language Model Generalization [64.50204877434878]
我々はベイズ法の正規化能力を用いて、変分推論問題としてプロンプト学習をフレーム化する。
提案手法は,プロンプト空間を正規化し,目に見えないプロンプトへの過剰適合を低減し,目に見えないプロンプトのプロンプト一般化を改善する。
ベイジアン・プロンプト学習がプロンプト空間の適切なカバレッジを提供する15のベンチマークを実証的に示す。
論文 参考訳（メタデータ） (2022-10-05T17:05:56Z) - Retrieval-based Spatially Adaptive Normalization for Semantic Image
Synthesis [68.1281982092765]
本稿では,Retrieval-based spatially AdaptIve normalization (RESAIL) と呼ばれる新しい正規化モジュールを提案する。
RESAILは、正規化アーキテクチャに対するピクセルレベルのきめ細かいガイダンスを提供する。
いくつかの挑戦的なデータセットの実験により、RESAILは定量的メトリクス、視覚的品質、主観的評価の観点から、最先端技術に対して好意的に機能することが示された。
論文 参考訳（メタデータ） (2022-04-06T14:21:39Z) - Symbolic Regression by Exhaustive Search: Reducing the Search Space
Using Syntactical Constraints and Efficient Semantic Structure Deduplication [2.055204980188575]
シンボリック回帰は、モデル構造に関する事前の知識が得られない産業シナリオにおいて、強力なシステム識別技術である。
この章では、これらの問題に対処するために特別に設計された決定論的シンボリック回帰アルゴリズムを紹介します。
全ての可能なモデルの有限列挙は、構造的制約と意味論的に等価な解を検出するキャッシング機構によって保証される。
論文 参考訳（メタデータ） (2021-09-28T17:47:51Z) - Efficient Semantic Image Synthesis via Class-Adaptive Normalization [116.63715955932174]
クラス適応正規化(CLADE)は、セマンティッククラスにのみ適応する軽量かつ等価なバリアントである。
セマンティクスレイアウトから計算したクラス内位置マップエンコーディングを導入し,cladeの正規化パラメータを変調する。
提案されたCLADEは異なるSPADEベースのメソッドに一般化し、SPADEと比較して同等の生成品質を達成できる。
論文 参考訳（メタデータ） (2020-12-08T18:59:32Z)
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。