ChatModeler:基于大语言模型的人机协作迭代式需求获取和建模方法

需求获取和建模是需求工程中的关键步骤,影响后续系统设计与实现.传统的需求获取和建模方法通常由需求提供者、需求分析师等多类干系人共同协作、反复迭代完成,需要耗费大量的人力.如何减轻需求提供者与需求分析师的负担、提高获取和建模的效率有着重要意义.现有工作中有的使用知识库来提供更多知识,以辅助获取或者建模,有的利用自然语言处理等技术对获取或者建模过程进行自动化,但是它们并没有减轻需求提供者的负担.利用大语言模型(large language models,LLMs)的生成能力,提供了一种人机协作的迭代式需求获取和建模框架ChatModeler.具体来说,根据真实世界中需求团队的分工及协作关系,将部分需求提供者、需求分析师等角色的工作由大语言模型承担,而需求提供者只需要进行确认.为大语言模型扮演的各种角色进行了提示词设计,该提示词会随需求的元模型而变化.ChatModeler在7个需求案例上与3种需求模型的自动建模方法进行了14组对比实验,证明了ChatModeler在降低需求提供者的负担和生成高质量需求模型2个方面上的优越性.

基于路径语义表示的静态警报自动确认方法

尽管静态分析工具能够在软件开发生命周期的早期阶段帮助开发人员检测软件中的潜在缺陷,但该类工具往往存在警报假阳性率高的问题.为了提高该类工具的可用性,研究人员提出许多警报确认技术来对假阳性警报进行自动分类.然而,已有方法集中于利用手工设计的特征或语句级的抽象语法树标记序列来表示缺陷代码,难以从报告的警报中捕获语义.为了克服传统方法的局限性,利用深度神经网络强大的特征抽取和表示能力从控制流图路径中学习代码语义表征用于警报确认.控制流图是程序的执行过程抽象表示,因此控制流图路径序列能够引导模型更精确地学习与潜在缺陷相关的语义信息.通过微调预训练语言模型对路径序列进行编码并从中捕捉语义特征用于模型构建.最后在8个开源项目上与最先进的基线方法进行大量对比实验验证所提方法的有效性.

合作-竞争混合型多智能体系统的虚拟遗憾优势自博弈方法

合作-竞争混合型多智能体系统由受控的目标智能体和不受控的外部智能体组成.目标智能体之间互相合作,同外部智能体展开竞争,应对环境和外部智能体的动态变化,最终完成指定的任务.针对如何训练目标智能体使他们获得完成任务的最优策略的问题,现有工作从两个方面展开:(1)仅关注目标智能体间的合作,将外部智能体视为环境的一部分,利用多智能体强化学习来训练目标智能体.这种方法难以应对外部智能体策略未知或者动态改变的情况;(2)仅关注目标智能体和外部智能体间的竞争,将竞争建模为双人博弈,采用自博弈的方法训练目标智能体.这种方法主要针对单个目标智能体和单个外部智能体的情况,难以扩展到由多个目标智能体和多个外部智能体组成的系统中.结合这两类研究,提出一种基于虚拟遗憾优势的自博弈方法.具体地,首先以虚拟遗憾最小化和虚拟多智能体策略梯度为基础,设计虚拟遗憾优势策略梯度方法,使目标智能体能更准确地更新策略;然后,引入模仿学习,以外部智能体的历史决策轨迹作为示教数据,模仿外部智能体的策略,显式地建模外部智能体的行为,来应对自博弈过程中外部智能体策略的动态变化;最后,以虚拟遗憾优势策略梯度和外部智能体行为建模为基础,设计一种自博弈训练方法,该方法能够在外部智能体策略未知或者动态变化的情况下,为多个目标智能体训练出最优的联合策略.以协同电磁对抗为研究案例,设计具有合作-竞争混合特征的3个典型任务.实验结果表明,同其他方法相比,所提方法在自博弈效果方面有至少78%的提升.

面向医疗问答系统的大语言模型命名实体识别方法

在医疗问答系统中,实体识别发挥了重大作用。随着深度学习的发展,基于深度学习的实体识别得到了越来越多的关注。但是,在医疗问答系统中,由于缺少带标注的训练数据,深度学习方法不能够很好地识别医疗文本中的非连续实体和嵌套实体。为此,提出了一种基于大语言模型的实体识别应用方法,并且将其应用到医疗问题系统中。首先将医疗问答相关的数据集进行处理,变成大语言模型能够分析和处理的文本;其次针对大语言模型的输出进行分类,并对不同的分类采取相应的处理;然后将输入的文本进行意图识别,最终将实体识别和意图识别的结果发送到医疗知识图谱中进行查询,得到医疗问答的答案。在3个典型的数据集上进行了实验,并与几种典型的相关方法进行了对比。结果显示所提出的方法表现效果更好。

一种针对物联网智能系统的规则冲突检测方法

物联网系统架构的核心是逻辑控制器,逻辑控制器中使用规则控制业务逻辑,减少物联网系统的开发、维护成本,提高物联网设备的灵活性.但随着物联网系统的规模扩大,规则间的关系变得复杂,从而可能产生规则冲突.为避免规则发生冲突,一些研究者提出了规则冲突检测方法.但是,以往的规则冲突检测方法还存在规则冲突类型分析不全面、检测结果准确性较低的问题.为此提出一种针对物联网系统控制逻辑的形式化规则冲突检测方法(formal rule conflict detection,FRCD).该方法首先形式化定义规则及规则冲突,其中将规则定义为控制主体、动作、触发条件、符号的组合;然后根据规则对系统的影响以及规则的结构特征,总结出7类规则冲突类型;最后设计规则冲突检测的算法,并介绍规则冲突检测的详细过程.在2个物联网系统上开展实验,与已有的3种典型的物联网规则冲突检测方法进行对比.这3种方法分别是基于用户、触发器、环境实体和作动器的冲突检测方法(user,triggers,environment entities,and actuators,UTEA)、基于Web语义的策略冲突检测方法(semantic Web-based policy interaction detection with rules,SPIDER)和半形式化的冲突检测方法(identifying requirements interactions using semiformal,IRIS).实验结果显示,FRCD规则冲突检测方法效果更好.

程序理解:现状与未来

程序理解是软件工程中的关键活动,在软件开发、维护、重用等任务中发挥着重要的作用.程序理解自软件工程出现以来,就一直是该领域的研究热点.随着软件应用的日益复杂和不断普及,程序理解研究的需求发生了新的变化,程序的自理解或自认知逐渐成为新的关注点,有必要对程序理解进行重新审视.从工程、学习和认知以及方法和技术这3个角度定位程序理解任务;随后,通过文献分析展示其研究布局,进而分别从认知过程、理解技术以及软件工程任务中的应用这3个方面,综合论述程序理解研究的发展脉络和研究进展.

基于本体的需求自动获取

以企业信息系统为研究背景 ,提出了一种基于本体的需求获取方法 ,该方法用企业本体和领域本体为基本线索 ,引导领域用户全面描述现实系统 ,并通过重用领域需求模型 ,构造应用软件需求模型 .这种方法的主要特点是 :用领域用户可以理解的语言与他们交互 ,让他们能积极地参与需求获取活动 ;需求获取在模型的制导下完成 ,利于保证需求获取的完整性和一致性 ;在多种知识的支持下 ,自动完成对现实系统的理解和目标系统需求模型的构造 .该文将以该方法的总体结构为主线 ,分企业本体和领域本体的结构以及目标系统需求模型的构造两大部分 ,阐述这种方法 .

2014年中国计算机大会优秀论文专辑 前言

中国计算机大会（CNCC）由中国计算机学会（CCF）创建于2003年，迄今已成功举办十届．该会议是中国计算机领域规模最大、规格最高的学术、技术以及学术和产业互动的大会，覆盖学术、技术、产业、应用、教育等领域，旨在展现我国计算机技术及相关工作的研究进展，展望学科发展趋势，并为产业界、学术界搭建沟通和合作的平台．本次CNCC于2014年10月在郑州举行，设大会特邀报告、专题论坛、论文报告、专业展览、专业参观等，为参会者提供不同视角和形式的沟通渠道．

浅论软件技术发展

本文以软件基本模型的发展为主线,对软件技术的历史和现状进行了回顾;分析了Internet的基本特征及其对软件技术带来的需求和挑战;总结提炼出Internet环境下软件的新形态——网构软件(Internetware),探讨了其不同于传统软件的主要特性和主要研究方向.

面向本体的需求分析

提出了一种新的需求分析方法——面向本体的需求分析 OORA(ontology- oriented requirementsanalysis) .该方法的主要特点是 ,用本体作为对象关联的手段 ,以增强面向对象方法的表达能力 .文章首先定义了 OORA的需求模型 ,然后结合实例讨论了信息系统需求分析中的两种主要的本体类型 ,最后给出了 OORA方法的主要步骤 .

基于领域知识重用的虚拟领域本体构造

提出了一种重用现有领域知识库知识构造新领域本体的方法.该方法充分利用了领域知识模型以及领域本体相互之间存在的语义相关性,从语义匹配的角度探讨了构造新领域本体的可能性.首先给出了领域本体的一种结构化定义,然后讨论了领域模型之间、领域本体之间存在的语义相关性,并给出了领域本体语义相关度的概念.以此为基础,重点讨论了基于生物种群进化方法构造新领域本体的选择、克隆、变异、杂交、合成和转基因方法.最后详细介绍了一个虚拟领域本体构造系统,并给出了具体分析实例.

基于时间自动机的物联网服务建模和验证

物联网服务的建模和验证是当前物联网服务提供中的一个重要问题.文中将物联网服务的行为建模为其与相关环境实体的交互,并引入环境实体以刻画物理世界各种物体的属性和行为,从而将物联网服务能力建模为它能够导致的环境实体发生的期望变化.文中以时间自动机为建模工具,分别为将要监测和要控制的物理环境实体以及不同种类的物联网服务独立建模,以表现它们的独立性和自主性.这些时间自动机形成一个网络,刻画完整的物联网服务的通信并发过程,物联网服务的实施过程表现为时间自动机网络上的状态变迁通路.最后,文中提出一组物联网服务要满足的性质,并利用模型检测工具UPPAAL验证物联网服务的正确性.

一种需求驱动的自主Web服务聚集方法

引入具有主动搜索需求能力的自主Web服务概念,提出基于环境本体的意图-行为-实现机制,用于描述服务请求和自主Web服务能力,构型了一种需求驱动的自主Web服务聚集的模型.给出了基于意图-行为-实现机制的需求能力匹配算法和自主Web服务聚集算法.最后,通过对应用案例的研究来展示该方法的可行性.

大模型:基于自然交互的人机协同软件开发与演化工具带来的挑战

以自然语言生成为核心的大模型技术正在人工智能领域掀起热潮,并持续向更多的领域穿透其影响力.以ChatGPT为代表的自然语言生成大模型(以下简称大模型),已经在软件工程的多项活动中展示出其通过自然交互方式给人提供一定程度帮助的能力和潜力,正在发展成为一种基于自然交互的人机协同软件开发与演化工具.从人机协同软件开发与演化的视角,大模型作为一种软件工具呈现出了两大特征:其一是基于自然语言的人机交互,在相当大程度上拓展了人机协同的工作空间、提高了人机协同的效率和灵活性;其二是基于已积累的软件开发和演化知识、针对给定软件开发和演化任务的预测性内容生成,可以对软件开发和演化工作提供一定程度的支持和帮助.然而,由于大模型本质是基于概率与统计原理和训练数据所形成的数学模型,具有不可解释性和内生不确定性,其生成的是缺失可信性判断的预测性内容,而人在软件开发与演化中所需要完成的是具有可信保障的决策性任务,所以大模型作为一种软件工具,在人机协同的软件开发和演化工作环境中给人提供帮助的同时,也带来了诸多的挑战.围绕如何构造对软件开发与演化更有帮助的代码大模型、如何引导大模型生成对软件开发与演化更有帮助的预测性内容、如何基于大模型生成的预测性内容开发与演化高质量的软件系统等大模型带来的挑战进行分析和阐述.

OpenStack开源社区中商业组织的参与模式

由于开源软件开发方式与传统的软件工程方法存在显著差异,为了加入开源社区,商业组织必须要对自身原有的软件开发方式、业务模式等做出调整.在这种情况下,一个亟待解决的问题是商业组织应当采取怎样的参与模式才能有效融入开源社区.为此,进行3个方面的研究:采用雪球采样方法对OpenStack相关的文本数据进行收集,为定性分析提供数据基础;借鉴扎根理论,通过对所收集数据的过滤和归纳,总结出不同商业组织参与OpenStack的模式;在此基础上提炼出4种更具一般性的参与模式,为商业组织参与开源项目提供经验参考与决策支持.

基于领域知识的需求信息获取

本文提出一种基于领域知识的需求信息获取方法．相应的ＭＩＳ开发环境ＰＲＯＭＩＳ已成功地应用于多个领域．

基于反馈控制的软件适应性需求的识别与分析

适应性需求的识别与分析是开发自适应软件系统的基础,它将明确软件系统在运行过程中所可能面临的环境变化以及应对这些变化系统应采取的措施.但是,当前的适应性需求识别与分析方法一方面缺乏对环境的分析导致无法系统性地识别环境变化,另一方面也缺乏有效的框架来同时考虑如何应对已知的环境变化和未知的环境变化.针对这些问题,提出了基于反馈控制的适应性需求识别与分析方法.该方法将自适应软件与其作用的环境看作为一个自适应控制系统,将适应性需求的识别与分析转化为对该控制系统所应具有的反馈回路的识别与分析.通过将环境看作软件的控制对象,它不仅突出了软件的环境,同时还可以通过确定环境感知反馈回路和需求感知反馈回路来分别应对已知的环境变化和未知的环境变化.最后,用一个实例说明所提出方法的可行性.

基于问题框架的需求建模：一种本体制导的方法

在深入研究问题框架方法的基础上,抽取并构建了一个问题框架本体,以概念化基于问题框架的需求建模,设计了一个本体制导的基于问题框架方法的需求建模过程,为需求分析员提供建模指导并规范其建模活动.最后,通过案例展示整个本体制导的建模过程.

面向服务的建模:一种全过程复用的方法

面向服务的计算是Internet环境下的一种新型软件架构理念,即通过集成分布的服务构建软件.面向服务建模是面向服务计算中的重要研究内容.一方面,面向服务的软件同传统软件一样,需要首先对应用需求进行建模.另一方面,面向服务的计算需要实现分布复用和快速集成,这对面向服务的建模提出了新的要求.文中提出一种基于全过程复用的面向服务的建模方法,即提出构建特定应用领域的本体系统,包含相互关联着的多个不同类型的本体.不同层次的软件资产关联到这些本体上,支持面向服务建模的不同阶段,包括应用框架建模、业务流程建模、合作模式建模以及组合服务建模等.当出现新的服务软件应用需求时,通过本体系统的引导复用软件资产,最后构造出服务软件模型.

基于概率主题模型的物联网服务发现

针对物联网中服务数量的大规模性、服务描述的异构性以及设备服务的资源高度受限性和移动性等特点,提出了一种基于概率主题模型的物联网服务发现方法.该方法的主要特点是:1)利用英文Wikipedia构建高质量的主题模型,并对类似短文本的服务文本描述进行语义扩充,使主题模型能够更有效地估计服务文本描述的隐含主题;2)提出利用非参数主题模型学习服务文本的隐含主题,降低模型训练时间;3)利用服务隐含主题对服务进行自动分类和文本相似度计算,快速减少服务匹配数量,加速服务文本相似度计算;4)提出能够同时支持WSDL-based和RESTful两种物联网服务的signature匹配算法.实验结果表明:与现有的物联网服务发现方法相比,该方法的准确率(precision)和归一化折损累积增益(NDCG)都有较大幅度的提高.