基于词嵌入和长短期记忆网络的非功能软件需求分类

李冰; 李智; 杨溢龙

doi:10.16088/j.issn.1001-6600.2020111401

广西师范大学学报（自然科学版） ›› 2021, Vol. 39 ›› Issue (05) : 110 -121. DOI: 10.16088/j.issn.1001-6600.2020111401

基于词嵌入和长短期记忆网络的非功能软件需求分类

李冰, 李智, 杨溢龙

作者信息 +

Author information +

文章历史 +

摘要

非功能需求（non-functional requirements, NFR）描述了软件所需的一组质量属性,例如安全性、可靠性、性能等。为了开发高质量的软件产品,需要从软件需求规格说明书（software requirements specification, SRS）中提取NFR,如果此过程实现了自动化,不仅可以减少从大量需求中识别特定需求所涉及的人工、时间和精神疲劳,还可以帮助开发人员提供满足用户期望的高质量软件。针对此问题,本文采用深度学习特征提取和分类技术,提出一种基于预训练的BERT（bidirectional encoder representations from transformers）词嵌入和长短期记忆网络LSTM（long short-term memory）相结合的BERT-LSTM网络模型,用于质量软件开发的自动NFR分类。首先,通过BERT模型训练需求文本中的词向量,然后利用长短期记忆网络对词向量进行特征提取,最后使用Softmax分类器识别SRS中的NFR。实验表明,相比于其他算法,在由非功能需求和功能需求组成的PROMISE语料库中,BERT-LSTM网络模型在准确度、召回率、F₁得分等指标方面取得了最佳的效果。