面向中文基于本体的动态需求跟踪方法研究

摘要

随着软件系统越来越复杂，需求跟踪也变得越来越重要。需求跟踪为很多软件活动提供关键支持，例如影响分析，推导分析，覆盖分析和安全性评价。由于人工建立和维护需求素材与目标素材之间跟踪链的工作量非常大并且成本昂贵，所以出现了基于信息检索的自动化跟踪方法，但这些方法往往精度低，其中最主要的原因是需求素材和目标素材之间语义相关的术语不能匹配。这个问题可以通过考虑术语的底层语义来解决。本体是表示术语之间语义关系的一种重要方法，本体能够为改进跟踪检索的性能提供组织形式和语义上的保证，弥补跟踪过程中的语义缺陷。因此，研究基于本体的动态需求跟踪方法具有一定的理论意义和应用价值。本文研究基于本体的中文需求文档的动态跟踪方法和技术，主要研究内容和成果如下： （1）针对人工构建适合于动态需求跟踪的中文领域本体费时又费力，本文提出了一种中文领域本体推荐方法。该方法首先根据依存语法分析思想，解析中文领域素材以得到素材的语义依存结构（词汇语义表示）；然后采用清除算法和基于规则匹配方法从中提取领域元素及其关系；再采用对数似然比方法筛选出真正相关的领域元素对，转换成领域概念对并推荐给领域专家，由领域专家修正和完善，以得到适合于动态需求跟踪的中文领域本体。最后结合实例说明该方法的可行性。 （2）为了改进传统的基于信息检索的方法在语义层面上的不足，本文基于领域本体概念间语义关系提出了一种计算源素材和目标素材之间相似度的方法。该方法首先利用Stanford Parser将分词后的中文素材进行分句，并为每条中文语句生成语法树；然后根据TF-IDF权重法计算语法树中各节点的权重并根据权重提取语句中的短语（名词短语和动词）；再利用领域本体概念间语义关系计算短语间相似度，并采用加权方案加重关键词和短语的权重从而得到语句间相似度；之后根据语句间相似度得到素材间总体性得分。最后通过实例说明基于领域本体的相似度计算过程。 （3）设计并实现了一个面向中文基于领域本体的动态需求跟踪工具，并详细介绍了该工具的总体框架和工作机制。然后设计一个使用港口生产业务管理系统的需求文档跟踪的案例，通过召回率、精确度、F2Measure等指标来度量基于领域本体的动态需求跟踪方法与传统的基于VSM和基于通用本体（HowNet）的动态需求跟踪方法所返回跟踪链的质量对比。实验结果表明，本文提出的方法与另外两种相比能够有效地提高动态需求跟踪结果的精度。

目录

声明

第1章 绪论

1.1研究背景和意义

1.2国内外相关研究现状

1.3本文研究内容

1.4本文组织结构

第2章 中文领域本体推荐方法

2.1问题的提出

2.2中文预处理

2.3依存语法分析

2.4中文领域本体推荐框架设计

2.5中文领域本体推荐方法实例

2.6本章小结

第3章 基于领域本体的动态需求跟踪方法研究

3.1中文需求文本的分析

3.2动态需求跟踪方法

3.3提取短语和短语权重

3.4领域本体中概念间语义关系

3.5相似度计算方法

3.6基于领域本体的相似度计算算法实例

3.7本章小结

第4章 面向中文基于领域本体的动态需求跟踪工具的设计与实现

4.1基于领域本体的动态需求跟踪工具的框架设计

4.2系统开发环境

4.3中文预处理模块实现

4.4中文领域本体推荐模块实现

4.5动态需求跟踪模块实现

4.6本章小结

第5章 实验设计与结果分析

5.1实验数据集

5.2度量指标

5.3实验结果分析

5.4本章小结

第6章 总结与展望

6.1总结

6.2展望

致谢

参考文献

攻读硕士学位期间的研究成果