Analyse und Auswertung von gewichteten Anforderungen in technischen Spezifikationen

Abstract

Die Erhebung von Anforderungen aus natürlich sprachlichen Texten ist ein wichtiger Aufgabenteil eines jeden technischen Projektes. Die Extraktion von Anforderungen von Hand ist allerdings langwierig und anfällig für Fehler. Für diese Arbeit wurde deswegen ein System entworfen, dass gewichtete Anforderungen analysiert und auswertet. Es werden vom REC System Sätze danach untersucht, ob es sich bei ihnen um Anforderungen handelt. Dafür werden sie mithilfe einer Ontologie in Klassen unterteilt. Die betrachteten Klassen sind Anforderungen, schwache Anforderungen, optionale Anforderungen, Kandidaten für Anforderungen und keine Anforderungen. Die Ontologie nutzt (Subjekt, Verb, Objekt)- Tripel (SVO-Tripel), um Kandidaten zu finden. Anhand bestimmter Schlüsselwörter werden die Kandidaten danach weiter unterschieden. Die Erkennungsontologie hat bei technischen Spezifikationen eine Trefferquote von über 80% bei einer Präzision von 100%. Es werden also keine Sätze fälschlicherweise als Anforderungen klassifiziert. Betrachtungen von anderen Texten ergaben, dass viele optionale Anforderungen tatsächliche keine Anforderungen waren. Dies führte zu einer Präzision von 50% bei Dokumenten, die keine technische Spezifikation sind. Die Qualität der Klassifizierung hängt somit stark von der Struktur des eingehenden Dokumentes ab. Der REC kann auch genutzt werden, um Dokumente mit anderen Ontologien zu klassifizieren. Die Ontologien müssen eine Basisontologie (Abbildung 5.6) erweitern. Ein Dokument lässt sich ohne Wechselwirkung von mehreren Ontologien klassifizieren.

Requirement elicitation from natural language texts is an essential part of every technical project. However the extraction of requirements by hand is time-consuming and prone to error. Therefore, for this study, a system, to analyze and evaluate weighted requirements, was designed. The Requirement Extractor and Classifier (REC) system examines sentences whether they constitute to be requirements. An ontology divides them into classes. The considered classes are requirements, weak requirements, optional requirements, requirement candidates and no requirement. The ontology utilizes (subject, verb, object) triples to find candidates. Based on certain keywords candidates are then further distinguished. The elicitation ontology has a hit rate of over 80%, at an accuracy of 100% in technical specifications. Thus, no sentences are incorrectly classified as requirements. Inspection of other texts show, that many optional requirements were indeed no requirements at all. This led to a precision of 50% in documents that aren’t technical specifications. The classification quality highly depends on the structure of the incoming document. The REC can also be used to classify documents with other ontologies. The ontologies must extend a base ontology (Figure 5.6). One document can be classified without interaction, by multiple ontologies.