软件研发过程非结构化文本的一致性检测方法与系统与流程
本技术属于软件开发领域,特别涉及软件研发过程非结构化文本的一致性检测方法与系统。
背景技术:
1、在软件工程领域,确保需求、设计、测试及代码等全生命周期研发产物之间的一致性至关重要。然而,在敏捷开发的高频迭代环境下,维护这种跨阶段、多源非结构化文本的一致性是一项极具挑战性的技术难题。
2、当前业界解决该问题的主要手段及其局限性如下:
3、手动审查与走查是最传统的方法,依赖于开发人员、测试人员和产品经理进行会议评审、结对检查或正式走查。为了规范这一过程,业界推出了如cn108537386a等专利方案,通过电子化流程强制各节点角色(如需求提出人、审核人)进行权限确认,实现线下流程的线上化。然而,这类方法缺乏语义分析能力。在大规模系统中极易产生主观偏见和漏检,无法保证审查的完备性。
4、需求可追溯性矩阵(requirements traceability matrix, rtm)是业界管理可追溯性的标准工具,它通过一个二维表格将需求项与设计元素、测试用例等进行手动映射。代表性技术如专利cn103890722a,通过量化链路的完整度来监控需求是否被覆盖。尽管这种方案提供了结构化视图,但仅能确认“链接存在”,无法验设计是否满足需求。且该方法依赖高成本的手动维护,难以表达复杂的逻辑依赖,极易滞后于迭代而成为失效文档。
5、为了克服手动方法的低效,出现了一些基于关键词或词法匹配的自动化工具。这些工具通过扫描不同文档,查找共现的词汇来建立关联。如专利cn104239282a公开的方法,通过提取并计算文档间“特征词”的共现度来判定一致性。然而,这种方法无法跨越业务语言与技术语言之间的“语义鸿沟”,难以处理同义词及抽象概念,导致高误报率和漏报率。
6、随着机器学习的快速发展,越来越多的方法利用向量空间模型(vsm)、tf-idf或词嵌入等技术来计算文档或段落间的语义相似度。例如专利cn111581408a利用word2vec计算需求与测试用例的语义相似度,而专利cn109558140a尝试高成本的形式化建模验证。尽管这些方法优于简单匹配,但本质上仍将文档视为无结构的文本片段。此类方法仅能计算“文本相似度”,无法构建包含组件与数据流的全局知识图谱,难以发现深层次的逻辑冲突。
7、综上所述,现有技术主要侧重于文本搜索或浅层链接,未能构建统一的、机器可读的系统知识模型,从而无法实现跨研发产物的深度逻辑推理与自动化一致性验证。
技术实现思路
1、为解决上述问题,本技术提供了软件研发过程非结构化文本的一致性检测方法与系统,利用大语言模型抽取软件工程spo三元组并构建归一化知识图谱,依托图查询引擎实现多模式自动化一致性核查,能够自动挖掘跨研发文档深层次语义与逻辑矛盾,替代人工审查完成全维度一致性检测。
2、以下为本公开技术内容:
3、一种软件研发过程非结构化文本的一致性检测方法,包括:
4、获取软件研发全生命周期的多源非结构化文本数据;
5、利用语言模型对所述非结构化文本数据进行解析,提取出软件工程领域的关键实体以及关键实体之间的关系,将关键实体以及关键实体之间的关系构建为spo三元组;
6、对所有spo三元组进行实体标准化、共指消歧处理后,聚合为统一知识图谱;
7、基于所述知识图谱中关键实体之间的关联链路与属性信息,对多份研发非结构化文本对应的需求、设计、测试内容进行一致性分析,得到各类文档的不一致检测结果。
8、进一步地,
9、所述获取软件研发全生命周期的多源非结构化文本数据,包括:
10、接收多种格式的研发文档,所述研发文档至少包含需求规格说明书、概要设计文档、详细设计文档、测试用例、api文档、用户故事中的一种或多种;对原始文档进行格式清洗、文本分块预处理,得到分段文本块。
11、进一步地,
12、所述语言模型为经提示工程定制的大语言模型,采用预设提取提示词从分段文本块中抽取实体与关系;所述关键实体包括系统功能、业务角色、设计组件、接口、数据模型、需求编号、测试项,所述实体间关系包含实现、依赖、包含、验证、触发、参数约束。
13、进一步地,
14、所述实体标准化、共指消歧处理,包括:识别不同文档中同义描述的实体,将跨文档同义实体映射至知识图谱内同一个标准化节点,完成多源文本语义对齐。
15、进一步地,
16、所述一致性分析包括多种预设图查询分析模式。
17、进一步地,
18、所述预设图查询分析模式包括:
19、覆盖度缺口分析:遍历源需求实体节点,核查是否存在连接设计实体或者测试实体的有效关联路径,无有效路径则判定为需求未落地的覆盖缺口;
20、镀金产物分析:反向检索设计实体或者测试实体节点,无法溯源至任一需求实体时,判定为无需求依据的多余研发内容;
21、属性冲突分析:针对同一实体节点绑定的多源属性参数,比对来自需求、设计的属性数值,数值不一致则标记属性冲突;
22、依赖关系失配分析:依据需求层实体依赖关系,校验设计层对应组件间是否存在匹配的调用或者依赖链路,链路缺失则判定依赖失配。
23、进一步地,
24、所述得到各类文档的不一致检测结果之后,还包括:
25、依据不一致检测结果生成结构化检测报告,报告标注不一致类型、严重等级、涉及实体及图谱证据路径,并可视化展示知识图谱溯源链路。
26、进一步地,
27、所述统一知识图谱存储于图数据库。
28、一种软件研发过程非结构化文本的一致性检测方法,包括:
29、数据获取模块,用于获取软件研发全生命周期的多源非结构化文本数据;
30、数据解析模块,用于利用语言模型对所述非结构化文本数据进行解析,提取出软件工程领域的关键实体以及关键实体之间的关系,将关键实体以及关键实体之间的关系构建为spo三元组;
31、知识图谱构建模块,用于对所有spo三元组进行实体标准化、共指消歧处理后,聚合为统一知识图谱;
32、一致性检验模块,用于基于所述知识图谱中关键实体之间的关联链路与属性信息,对多份研发非结构化文本对应的需求、设计、测试内容进行一致性分析,得到各类文档的不一致检测结果。
33、进一步地,
34、所述一致性检验模块中,利用多种预设图查询分析模式进行一致性分析:
35、所述预设图查询分析模式包括:
36、覆盖度缺口分析:遍历源需求实体节点,核查是否存在连接设计实体或者测试实体的有效关联路径,无有效路径则判定为需求未落地的覆盖缺口;
37、镀金产物分析:反向检索设计实体或者测试实体节点,无法溯源至任一需求实体时,判定为无需求依据的多余研发内容;
38、属性冲突分析:针对同一实体节点绑定的多源属性参数,比对来自需求、设计的属性数值,数值不一致则标记属性冲突;
39、依赖关系失配分析:依据需求层实体依赖关系,校验设计层对应组件间是否存在匹配的调用或者依赖链路,链路缺失则判定依赖失配。。
40、与现有技术相比,本技术具有如下优点:
41、通过大语言模型抽取软件工程spo三元组并构建归一化知识图谱,依托图查询引擎实现多模式自动化一致性核查;由于本技术依托大模型实现非结构化文本的语义深度解析,经由实体归一消歧完成跨文档语义对齐并搭建承载全研发逻辑关联的知识图谱,依托图谱链路可开展结构化逻辑推理而非仅依靠关键词或文本相似度匹配,因此能解决人工评审主观性强易漏检、rtm追溯矩阵依赖人工维护无法校验深层逻辑的问题。
42、本技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com