一种基于反射机制的OWL-S需求规约演化方法

软件系统面临用户需求、软件资源和系统上下文环境等方面变化的挑战,软件需求不可避免地要求持续的演化。反射目前被用于软件系统的运行时管理和动态演化等方面,但还没有用于软件需求规约的演化。提出了一种基于反射机制的OWL-S需求规约演化方法,通过描述支持OWL-S需求规约演化的元信息,并以合理的方式使用这些元信息,实现OWL-S需求规约的演化。利用这种方法,需求分析人员可以有效地管理需求变更,以一种可控、有序的方式完成需求规约的演化任务。     

基于层次社会组织目标的需求过程建模

将社会组织结构抽象为递归的社会组织域树,其顶层目标即为社会组织总体目标,总体目标层层分解为社会子组织域目标,从层次化的社会组织目标构建软件系统需求目标分解树,进而构建软件系统需求,并用层次着色Petri网对软件系统需求过程进行形式化建模,无缝连接社会组织目标与软件系统需求,为软件系统需求分析提出了一种自然、直观的需求过程建模方法.     

基于过程建模的软件系统开发环境

随着计算机系统应用范围的快速扩展，人们迫切需要质量高、成本低、上市早的软件系统，软件系统的自动生成是解决问题的一个好的方法，提出一种基于过程建模的软件系统开发方法，并且研究和实现了一个支持软件系统从需求分析到软件自动生成的软件开发环境SDEBPM。     

基于Web的软件需求管理系统研究

一个成功的软件系统依赖于高质量的需求分析和高效率的需求管理。在分析需求管理目标及其主要内容的基础上，提出了基于需求配置管理和过程管理的软件需求管理系统结构，并就Web环境下的软件需求管理系统实现的一些关键问题进行了讨论。     

面向过程的需求建模

提出目标、角色、需求任务建模方法,将软件系统高层目标层层分解、精化成操作化目标,分配给角色作为角色目标,在需求工程过程中,用具体的需求任务实现角色目标。定义了3个单一化规则对建模过程进行约束,可以避免操作化目标、角色和具体的需求任务之间的冲突。定义了操作化目标与角色目标之间的映射函数、角色目标与具体的需求任务之间的映射函数以及它们的复合函数,将操作化目标与具体的需求任务直接关联,使软件系统目标与需求工程过程紧密结合,可以更加直观、形象、准确地对系统需求建模,通过聚集需求任务实现系统高层目标。     

基于安全需求的软件漏洞分析模型

安全需求分析是软件漏洞分析中极重要的一个环节，能够指明分析的方向，提高分析的效率。本文具体分析了软件系统运行的环境、内部对象等的安全需求，并从安全需求的角度提出了一种软件漏洞分析模型。     

面向过程的需求建模

提出目标、角色、需求任务建模方法,将软件系统高层目标层层分解、精化成操作化目标,分配给角色作为角色目标,在需求工程过程中,用具体的需求任务实现角色目标。定义了3个单一化规则对建模过程进行约束,可以避免操作化目标、角色和具体的需求任务之间的冲突。定义了操作化目标与角色目标之间的映射函数、角色目标与具体的需求任务之间的映射函数以及它们的复合函数,将操作化目标与具体的需求任务直接关联,使软件系统目标与需求工程过程紧密结合,可以更加直观、形象、准确地对系统需求建模,通过聚集需求任务实现系统高层目标。     

UML模型的协调性检查

本文融合UML用例图、类图、顺序图和状态图，得到一个软件系统的需求模型，给出了这个需求模型的各个元素及相互间协调性检查的一种方法，这样。可以从软件开发的需求分析阶段检查模型的协调性，减少开发成本，最后再从协调的需求模型生成代码。     

炼油企业蒸汽动力系统优化运营软件设计与开发

简要介绍了开发的软件的核心功能,采用面向对象技术,使用统一建模语言对炼油企业蒸汽动力系统优化运营软件系统进行了分析和设计。用例图描述了软件系统的功能需求、序列图初步分析了系统核心功能的实现过程。在需求分析的基础上进行了系统的数据模型设计,主要包括公用数据模型,装置数据模型和物流数据模型。最后采用C#语言开发了软件系统SPSOpti,并给出了应用实例,为企业节省了相当可观的经济效益。     

浅谈软件项目的需求分析

当今世界各行各业对软件的依赖程度急剧增长,而在规定的时间和预算内开发出可靠并满足用户需求的软件系统,对于许多开发者来说都是一件非常困难的事情。由于软件项目中的需求变更而导致软件项目失败的案例越来越多,所以如何高质量完成需求分析已经被许多软件公司列入了重要的流程化管理中。需求分析的任务还不是确定系统怎样完成它的工作,而仅仅是确定系统必须完成哪些工作,也就是对目标系统提出完整、准确、清晰、具体的要求。     

“标文通”与OOXML文字处理文档格式的比较与转换*

较系统地介绍了“标文通”和office open XML两种文档格式在字处理部分的相同点及其存在的差异。综合功能和描述方式,提出了预处理、主转换与后继处理相结合的文档格式转换的转换思路,并通过构建转换器,实现了两种文档格式之间的字处理文档的转换。该项研究对于文档信息共享和“标文通”国家标准的推广实施具有重要意义。     

角色建模工具RModeler的设计与实现*

提倡在对象技术中基于角色识别对象及其协调关系,然后展开到类模型、接口模型、实体模型,同时对角色模型的形式化定义和表示方法进行了系统地研究,并在此基础上设计和实现了基于RML的可视化角色建模工具RModeler。RModeler目前完成了代码实现和测试工作,并在实际开发中使用,运行良好。RModeler支持业务过程中采用RML语言的建模,具备将RML模型转换为UML模型的功能,采用业界标准数据描述格式XMI来传递和共享建模信息。     

Interactive Ambiguity Resolution of Named Entities in Fictional Literature

Named entity recognition (NER) denotes the task to detect entities and their corresponding classes, such as person or location, in unstructured text data. For most applications, state of the art NER software is producing reasonable results. However, as a consequence of the methodological limitations and the well‐known pitfalls when analyzing natural language data, the NER results are likely to contain ambiguities. In this paper, we present an interactive NER ambiguity resolution technique, which enables users to create (post‐processing) rules for named entity recognition data based on the content and entity context of the analyzed documents. We specifically address the problem that in use‐cases where ambiguities are problematic, such as the attribution of fictional characters with traits, it is often unfeasible to train models on custom data to improve state of the art NER software. We derive an iterative process model for improving NER results, show an interactive NER ambiguity resolution prototype, illustrate our approach with contemporary literature, and discuss our work and future research.     

软件研发中的精细化人力资源管理模型及系统

软件项目研发的成功与否,人力资源的管理起着决定性作用。从实践项目中提出了精细化人力资源管理的模型,将人力资源、软件项目、任务等抽象成具有状态、属性和操作的实体,通过定义任务效率、效率奇点等指标,综合SPI、CPI指标进行项目成本进度偏差分析,为人力资源的计划、调度、冲突处理等提供支撑。基于该模型进行平台研发,并通过在该平台中跟踪和分析真实的精细化人力资源管理案例,验证了模型的有效性。     

基于多任务学习的短文本实体链接方法

实体链接是明确文本中实体指称的重要手段,也是构建知识图谱的关键技术,在智能问答、信息检索等领域中具有重要作用,但由于短文本的上下文语境不丰富、表达不正式、语法结构不完整等特点,现有的短文本实体链接方法准确率较低。提出一种新的短文本实体链接方法,将多任务学习方法引入短文本实体链接过程中,从而增强短文本实体链接方法的效果。在此基础上,构建多任务学习模型,将短文本实体链接作为主任务,并引入实体分类作为辅助任务,促使模型学习到更加通用的底层表达,提高模型的泛化能力,优化模型在短文本实体链接任务中的表现。在CCKS2020测评任务2提供的数据集上的实验结果表明,辅助任务的引入能够缓解短文本实体链接过程中信息不充分的问题,且该多任务学习模型的F值为0.894 9,优于基于BERT编码器的单任务实体链接模型。     

军用软件测试领域的命名实体识别技术研究

命名实体识别是构建知识图谱的重要阶段。基于国军标及软件测试文档,完成了实体类型分类以及数据集的构建和标注。在软件测试领域,针对字词联合实体识别方法准确率不高的问题,进行字符级特征提取方法的改进,提出了CWA-BiLSTM-CRF识别框架。该框架包含两部分:第一部分构建预训练的字词融合字典,将字词一起输入给双向长短期记忆网络进行训练,并加入注意力机制衡量词内各字对特征的语义贡献,提取出字符级特征;第二部分将字符级特征与词向量等特征进行拼接,输入给双向长短期记忆网络进行训练,再通过条件随机场解决标签结果序列不合理的问题,识别出文中的实体。实验结果分别与三种常用的深度学习字符级特征提取方法进行比较,准确率和召回率均有提升,最优F1值为88.93%。实验表明,改进后的方法适用于军用软件测试领域命名实体识别任务,为下一步知识图谱的构建打下了基础。     

基于机器阅读理解的中文命名实体识别方法

针对现有命名实体识别方法主要考虑单个句子内的上下文信息,很少考虑文档级上下文影响的问题,文中提出基于机器阅读理解的中文命名实体识别方法,利用阅读理解思想,充分挖掘文档级的上下文特征,支撑实体识别.首先,针对每类实体,将实体识别任务转化为问答任务,构建问题、文本及实体答案三元组.然后,将三元组信息通过双向Transformer编码器进行预训练,再通过卷积神经网络捕捉文档级文本上下文信息.最后通过二进制分类器实现实体答案预测.在MSRA、人民日报公开数据集和自建数据集上的命名实体识别对比实验表明,文中方法性能较优,阅读理解思想对实体识别具有较好的作用.     

一个实体关系与事件抽取的通用模型

信息提取的目的是从自然语言文件中找到具体信息,现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题,未考虑两个任务共有的角色重叠问题,导致抽取结果准确率降低。提出一个两阶段的通用模型用于完成实体关系抽取和事件抽取子任务。基于预训练语言模型RoBERTa的共享特征表示,分别对实体关系/事件类型和实体关系/事件论元进行预测。将传统抽取触发词任务转化为多标签抽取事件类型任务,利用多尺度神经网络进一步提取文本特征。在此基础上,通过抽取文本相关类型的事件论元,根据论元角色的重要性对损失函数重新加权,解决数据不平衡、实体关系抽取和事件抽取中共同存在论元角色重叠的问题。在千言数据集中事件抽取和关系抽取任务测试集上的实验验证了该模型的有效性,结果表明,该模型的F1值分别为83.1%和75.3%。     

基于原型网络的细粒度实体分类方法

细粒度实体分类任务作为命名实体识别任务的扩展,其目的是根据指称及其上下文,发掘实体更细粒度的类别含义。由于细粒度实体语料的标注代价较大,标注错误率较高,因此该文研究了在少量样本情况下的细粒度实体分类方法。该文首先提出了一种特征提取模型,能够分别从单词层面以及字符层面提取实体信息,随后结合原型网络将多标签分类任务转化为单标签分类任务,通过缩小空间中同类样本与原型的距离实现分类。该文使用少样本学习以及零样本学习两种设置在公开数据集FIGER(GOLD)上进行了实验,在少样本学习的设置下,较基线模型在三个指标中均有提升,其中macro-F₁的提升最大,为2.4%。     

实体驱动的双向LSTM篇章连贯性建模

篇章连贯性建模是自然语言处理研究领域的一个基础问题。主流的篇章连贯性模型分为两大类,分别是基于实体网格的连贯性模型和基于神经网络的篇章连贯性模型。其中,基于实体网格的篇章连贯性模型需要进行特征提取,而基于深度学习的模型没有充分考虑篇章中句子间的实体链接对连贯性建模的重要作用。基于此,该文首先抽取篇章中相邻句子的实体信息,将其进行分布式表示,然后将此信息通过多种简单且有效的向量操作融合至句子级的双向LSTM深度学习模型之中。在汉语和英语篇章语料上的句子排序和中英文机器翻译连贯性检测两种任务上的实验表明该文提出的模型性能和现有模型相比有所提升,尤其在中文上有显著提升。