| 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 |
| |
| 引用本文： | 靳东明, 金芝, 陈小红, 王春晖. 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[J]. 计算机研究与发展, 2024, 61(2): 338-350. DOI: 10.7544/issn1000-1239.202330746 |
| |
| 作者姓名： | 靳东明 金芝 陈小红 王春晖 |
| |
| 作者单位： | 1.北京大学计算机学院 北京 100871;2.高可信软件技术教育部重点实验室（北京大学） 北京 100871;3.上海高可信计算重点实验室（华东师范大学） 上海 200050;4.内蒙古师范大学计算机科学与技术学院 内蒙古 010011 |
| |
| 基金项目： | 国家自然科学基金项目（62192730,62192731,62162051）~~; |
| |
| 摘 要： | 
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.
|
| 关 键 词： | 需求工程 需求诱导 大语言模型 人机协作 提示工程 |
| 收稿时间： | 2023-09-12 |
| 修稿时间： | 2023-12-12 |
|
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载免费的PDF全文 |
|
