ReqMLSCity: Uma ferramenta de análise de requisitos utilizando aprendizado de máquina para aplicações de cidades inteligentes
Resumo
Erros como ambiguidade e incompletude na fase de eliciação de requisitos e nos documentos gerados podem prejudicar o restante do processo de desenvolvimento. Desta forma, uma análise desses documentos é essencial para o avanço adequado de desenvolvimento do software. A análise manual destes documentos de requisitos é de alto custo, tanto financeiro quanto de tempo, e tendenciosa a falhas, sobretudo quando o sistema possui uma grande complexidade. A detecção automática desses erros se apresenta como uma abordagem promissora. Adicionalmente, um problema recente no campo da engenharia de requisitos é sobre como tratar contextos recentes. O objetivo deste trabalho é apresentar a ferramenta ReqMLSCity, uma evolução da ferramenta ReqSCity, que auxilia o processo de análise de requisitos de maneira automática, focando na análise de ambiguidade e geração de incompreensão de sentido a partir de estruturas sintáticas defeituosas através do uso de PLN. A ferramenta é capaz também de avaliar se o requisito está no contexto de cidades inteligentes e fornece sugestões para melhorar a completude de sentido usando como base a ontologia de domínio M3-Ontology. A avaliação inicial da proposta foi feita realizando um estudo piloto com 55 requisitos e a comparação de análise é feita com base nos resultados da avaliação de dois especialistas em engenharia de software.
Referências
Arya, N., Nigam, B., and Nigam, A. (2012). Tool for automatic discovery of ambiguity in requirements.
Burton-Roberts, N. (2013). Analysing sentences: An introduction to english syntax, third edition.
Bäumer, F. and Geierhos, M. (2018). Flexible ambiguity resolution and incompleteness detection in requirements descriptions via an indicator-based configuration of text analysis pipelines.
da Silva, D. V., de Souza, B. P., Gonçalves, T. G., and Travassos, G. H. (2021). A requirements engineering technology for the iot software systems. Journal of Software Engineering Research and Development.
Dalpiaz, F., Ferrari, A., Franch, X., and Palomares, C. (2018). Natural language processing for requirements engineering: The best is yet to come. IEEE Software, 35(5):115–119.
Gnesi, S., Lami, G., and Trentanni, G. (2005). An automatic tool for the analysis of natural language requirements. Comput. Syst. Sci. Eng., 20.
Huertas, C. and Juárez-Ramírez, R. (2012). Nlare, a natural language processing tool for automatic requirements evaluation. In Proceedings of the CUBE International Information Technology Conference, CUBE ’12, page 371–378, New York, NY, USA. Association for Computing Machinery.
Sandhu, G. and Sikka, S. (2015). State-of-art practices to detect inconsistencies and ambiguities from software requirements. In International Conference on Computing, Communication Automation, pages 812–817.
Sommerville, I. (2018). Engenharia de Software. Pearson Education.
Sonbol, R., Rebdawi, G., and Ghneim, N. (2022). The use of nlp-based text representation techniques to support requirement engineering tasks: A systematic mapping review. IEEE Access, 10:62811–62830.
