基于深度学习的自然语言需求到时序逻辑的生成方法

摘要

在嵌入式实时系统当中，时序逻辑是形式化规约的重要组成部分.现有自然语言需求到时序逻辑的生成方法往往局限于特定领域，缺乏泛化性.本文提出的基于深度学习的方法DeepTL能够完成不同领域自然语言需求到多种时序逻辑的生成任务.DeepTL包含原子命题识别、时序逻辑结构翻译、原子命题翻译3个模块.通过拆分为多个模块，DeepTL不仅显著减少了所需的模型训练数据量，还使得时序逻辑结构翻译不再受限于特定领域.本文在3个领域进行了实验，结果表明，DeepTL在具备较高翻译准确率的同时，减少了对于大规模训练数据和计算资源的依赖.

关键词

嵌入式实时系统 / 自然语言需求 / 时序逻辑 / 深度学习

基金资助

国家自然科学基金项目(62072233,U2241216)资助; 航空科学基金项目(201919052002)资助