2. Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ 2
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
3. 3
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
4. Σκοπός της διπλωματικής
εργασίας
Αντιστοίχιση απαιτήσεων
λογισμικού γραμμένων σε φυσική
γλώσσα κειμένου, σε δομημένες
σημασιολογικές αναπαραστάσεις
4
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
5. 5
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
7. 7
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
8. Γνώσεις που αποκτήθηκαν (1/3)
Μάρτιος 2017
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ
ΑΠΑΙΤΗΣΕΩΝ ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
8
• Η μηχανική απαιτήσεων
• Στάδια της διαδικασίας
• Τα προβλήματα που
συναντώνται
9. Γνώσεις που αποκτήθηκαν (2/3)
Μάρτιος 2017
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ
ΑΠΑΙΤΗΣΕΩΝ ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
9
• Η έννοια της οντολογίας
• Τρόποι αναπαράστασης
οντολογιών
• Αντιστοίχιση Οντολογιών
11. 11
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
13. 16
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
15. 18
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
17. 20
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
19. 22
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
21. 24
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
22. Δεύτερο Πείραμα: Αλλαγή Οντολογίας
και Σημαντικών Συσχετίσεων (1/2)
25
Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
• Οντότητες εκτός
πεδίου
εφαρμογής
τύπος περιγραφή
nsubj Ονομαστικό υποκείμενο (nominal
subject)
xsubj Ελέγχων υποκείμενο (controlling subject)
nsubjpass Παθητικό ονομαστικό υποκείμενο
(passive nominal subject)
dobj Άμεσο αντικείμενο (direct object)
amod Επιθετικός προσδιορισμός (adjectival
modifier)
• Επέκταση του
συνόλου των
συσχετίσεων
24. 27
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
25. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα
στην Συντακτική Ανάλυση (1/2)
28
Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
E-Health:
1. Patients should be able to update their location.
2. Doctors should be able to create patient accounts and
delete those accounts.
3. The alarm would contain the current GPS location of the
patient.
Λέξη
.
.
.
έννοια
έννοια
έννοια
27. 30
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
29. Τέταρτο Πείραμα: Μεγαλύτερη
Συμμετοχή του Χρήστη (2/3)
Μάρτιος 2017
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ
ΑΠΑΙΤΗΣΕΩΝ ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
32
Λέξη Συχνότητα Εμφάνισης
user 306
system 179
provide 50
administrator 43
application 37
delete 29
search 26
add 25
list 24
information 22
Κοινό Λεξιλόγιο
Πληθοπορισμός ή Crowdsourcing
31. 34
Περιεχόμενα:
1. Σκοπός της διπλωματικής εργασίας
2. Το αρχικό πρόβλημα
3. Γνώσεις που αποκτήθηκαν
4. Μεθοδολογία
i. Πρώτη Φάση του Συστήματος
ii. Δεύτερη Φάση του Συστήματος
iii. Τρίτη Φάση του Συστήματος
5. Πειράματα-Αποτελέσματα
i. Πρώτο Πείραμα: Baseline
ii. Δεύτερο Πείραμα: Αλλαγή Οντολογίας και Σημαντικών Συσχετίσεων
iii. Τρίτο Πείραμα: Μεγαλύτερη βαρύτητα στην Συντακτική Ανάλυση
iv. Τέταρτο Πείραμα: Μεγαλύτερη Συμμετοχή του Χρήστη
6. Συμπεράσματα και Μελλοντική Εργασία
ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Μάρτιος 2017
32. Συμπεράσματα
• Καλύτερα αποτελέσματα σε οντολογίες με απλή
δομή
• Καλύτερα αποτελέσματα σε μικρές και κατανοητές
απαιτήσεις
• Ανάγκη για σωστές αντιστοιχίσεις κατά την
αρχικοποίηση
• Η πλήρης εκμετάλλευση της συντακτικής γνώσης
βελτιώνει τα αποτελέσματα
• Εναλλακτικές προσεγγίσεις οδηγούν στα
επιθυμητά αποτελέσματα
35
Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
33. Μελλοντική Εργασία
• Εξαγωγή πιθανών επιλογών προς τον χρήστη κατά
την αντιστοίχιση
• Δημιουργία βάσης δεδομένων για αποθήκευση
όλων των σωστών αντιστοιχίσεων
• Χρήση διαφορετικών λεξικολογικών ή συντακτικών
εργαλείων (word2vec)
• Ενσωμάτωση σε συστήματα εξαγωγής ή ανάλυσης
απαιτήσεων λογισμικού
• Γενίκευση του συστήματος και εφαρμογή σε
άλλους κλάδους
36
Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
34. 37
Μάρτιος 2017 ΣΥΣΤΗΜΑ ΗΜΙ-ΑΥΤΟΜΑΤΗΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΠΑΙΤΗΣΕΩΝ
ΛΟΓΙΣΜΙΚΟΥ ΣΕ ΟΝΤΟΛΟΓΙΑ
Ευχαριστώ για την προσοχή σας!
εξαγωγή της απαραίτητης πληροφορίας από κείμενο απαιτήσεων λογισμικού
χρήση οντολογιών για αναπαράσταση της πληροφορίας με δομημένο τρόπο
βέλτιστη αντιστοίχιση των σημαντικών εννοιών με οντότητες της οντολογίας
προσπάθεια αυτοματοποίησης της διαδικασίας αντιστοίχισης
Ενώ οι απαιτήσεις λογισμικού που εκφράζονται σε φυσική γλώσσα έχουν το πλεονέκτημα ότι είναι κατανοητές και από τους προγραμματιστές και από τους πελάτες, μπορούν ταυτόχρονα να είναι ασαφής, αόριστες και ελλιπής. Παρόλο που μπορεί να υιοθετηθεί μια επίσημη ορολογία σαν ενναλακτική για να περιορίσει κάποια προβλήματα, η λύση αυτή δεν είναι πάντα αποδοτική καθώς οι πελάτες σπανίως είναι εξοπλισμένοι με μαθηματικές και ειδικές γνώσεις που θα τους επέτρεπαν να καταλάβουν αυστηρά διατυπωμένες απαιτήσεις.
Μελετώντας τις απαιτήσεις λογισμικού, που εμφανίζονται σε έργα ανάπτυξης προϊόντων λογισμικού, είναι φανερό ότι ανάλογα με την περιοχή ενδιαφέροντος και με το τμήμα του κάθε προϊόντος, ορισμένες λειτουργίες και χαρακτηριστικά συστήματος είναι κοινά. Υπάρχει μια επανάληψη απαιτήσεων, με παραλλαγές και προσθήκες ανάλογα με τις εκάστοτε ανάγκες, στα έγγραφα απαιτήσεων που αφορούν προϊόντα με κοινά χαρακτηριστικά.
Η μηχανική απαιτήσεων είναι ένας κλάδος που εμπίπτει στην ευρυτερη επιστήμη της τεχνολογίας Λογισμικού. Η τεχνολογία λογισμικού πρωτοεμφανίσθηκε την δεκαετία του εβδομήντα και από τοτε γνωρίζει μεγάλη ανάπτυξη.
Το σχήμα δείχνει έναν επαναληπτικό κύκλο των βασικών λειτουργιών στην μηχανική απαιτήσεων. Υπάρχουν ποικίλες προδιαγραφές απαιτήσεων οι οποίες συλλέγονται κατά το πρώτο στάδιο («Requirements Elicitation»), παίρνουν μια συγκεκριμένη μορφή στο στάδιο της Αναπαράστασης Απαιτήσεων («Requirements Representation»), στην συνέχεια υπάρχει το στάδιο της Ανάλυσης Απαιτήσεων («Requirements Analysis») και τελικά καταλήγουν στο στάδιο Επικοινωνίας των Απαιτήσεων(«Requirements Communication»). Η διαδικασία αυτή επαναλαμβάνεται καθ’ όλη την διάρκεια εφαρμογής του λογισμικού.
Κάποιες φορές οι προδιαγραφές είναι πολύ δύσκολο να οριστούν και αυτό έχει σαν αποτέλεσμα οι μηχανικοί λογισμικού να υποχρεώνονται πολλές φορές να ξανα-σχεδιάσουν ή/και να γράψουν ξανά το λογισμικό. Ποικίλες άλλες προκλήσεις συναντώνται κατά την ανάλυση των απαιτήσεων με σκοπό την δημιουργία συνεπών και ολοκληρωμένων απαιτήσεων. Μόνο με σωστή ανάλυση μπορεί να διασφαλιστεί ότι κατά την εφαρμογή του λογισμικού δεν θα προκύψουν ασυνέπειες και εσφαλμένα αποτελέσματα.
Η λέξη οντολογία είναι σύνθετη και προέρχεται από τις λέξεις ον και λόγος. Στην επιστήμη των υπολογιστών και την θεωρία των πληροφοριών, η οντολογία αποτελεί μια αναπαράσταση της πληροφορίας με σημασιολογικό και δομημένο τρόπο.
Η πιο διαδεδομένη γλώσσα οντολογιών που χρησιμοποιείται είναι η owl. Η OWL αναπτύχθηκε με σκοπό να χρησιμοποιηθεί στον Παγκόσμιο Ιστό, και όλα τα στοιχεία της (κλάσεις, συσχετίσεις και στιγμιότυπα) καθορίζονται ως RDF πόροι και αναγνωρίζονται ως URIs
Η αντιστοίχιση οντολογιών είναι η λύση στο πρόβλημα της σημασιολογικής ετερογένειας. Βρίσκει την ομοιότητα μεταξύ των οντοτήτων δύο οντολογιών που συνδέονται μεταξύ τους σημασιολογικά. Η αντιστοίχιση οντολογιών είναι μια σύνθετη διαδικασία που βοηθάει στην μείωση του σημασιολογικού κενού που υπάρχει μεταξύ διαφορετικών αναπαραστάσεων του ίδιου πεδίου γνώσης. Στην παρούσα εργασία το κυρίως πρόβλημα είναι η αντιστοίχιση των όρων μιας απαίτησης με τις οντότητες μιας οντολογίας, το οποίο θα μπορούσε να αναχθεί ως ένα πρόβλημα αντιστοίχισης οντολογιών. Επίσης πολλές από τις τεχνικές που χρησιμοποιήθηκαν για την επίλυση του προβλήματος μοιάζουν αρκετά με αυτές που χρησιμοποιούνται στην αντιστοίχιση οντολογιών.
Η επεξεργασία φυσικής γλώσσας (Natural Language Processing or NLP) είναι ένας κλάδος ερευνών που εξερευνά πως οι υπολογιστές μπορούν να χρησιμοποιηθούν έτσι ώστε να καταλαβαίνουν και να διαχειρίζονται κείμενο γραμμένο σε φυσική γλώσσα ή ακόμα και ομιλία. Οι ερευνητές αυτού του κλάδου στοχεύουν στην συλλογή πληροφοριών για το πώς οι άνθρωποι χρησιμοποιούν και καταλαβαίνουν την γλώσσα και τελικά αναπτύσσουν υπολογιστικά συστήματα ή τεχνικές κατάλληλα για την επεξεργασία της φυσικής γλώσσας
Οι εφαρμογές της επεξεργασίας φυσικής γλώσσας περιλαμβάνουν ένα πλήθος πεδίων εφαρμογής, όπως η μηχανική μετάφραση, η δημιουργία διεπαφών χρήστη, η τεχνητή νοημοσύνη, η αναγνώριση ομιλίας, η εξαγωγή πληροφορίας και άλλα. Η εφαρμογή τεχνικών επεξεργασίας φυσικής γλώσσας έχει οδηγήσει στην εύρεση λύσεων σε διαφορετικές τεχνολογικές εφαρμογές όπως ανίχνευσης ανεπιθύμητης αλληλογραφίας. Υπάρχουν όμως ακόμα πολλά θέματα που παραμένουν ανοιχτά και αναζητούν περαιτέρω έρευνα όπως η απάντηση ερωτήσεων και ο διάλογος
Η ανάλυση ξεκινά για κάθε απαίτηση, όπου εξαγονται οι σημαντικές λέξεις
Το σύστημα βρίσκει ποιες από τις λέξεις έχουν αντιστοιχηθεί κατά την πρώτη φάση και ξεκινά την διαδικασίας αντιστοίχισης για τις υπόλοιπες
Με βάση τα ζευγάρια της πρώτης φάσης, εξάγωνται οι συσχετιζόμενες λέξεις και οι αντίστοιχες πιθανές οντότητες
Κάθε λέξη αντιστοιχίζεται με τις πιθανές οντότητες. Ετσι μια λέξη μπορεί να έχει αντιστοιχηθεί με παραπάνω από μία οντότητες
Το σύστημα τελικά επιλέγει μια έννοια για κάθε λέξη με βάση την πιθανότητα να συνδέονται μεταξύ τους και κατά πόσο η αρχική υπόθεση πάνω στην οποία στηρίχτηκε ο αλγόριθμος είναι η σωστή. Για παράδειγμα στην δευτερη φάση τα ζευγάρια λέξεεων με έννοιες που βρισκει το σύστημα στηριζονται στις αντιστοιχίσεις του χρήστη και άρα η υπόθεση είναι σωστή. Στην Τρίτη φάση που θα δουμε τωρα τα ζευγάρια που εξήγαγε το ίδιο συστημα αποτελούν την υπόθεση και δεν είναι πάντα σωστά.
Τα τελικά ζευγάρια λέξεων με έννοιες, τροφοδοτούν εκ νέου το σύστημα στην Τρίτη φάση
Για να καλυφθεί ένα φάσμα πιθανών διαφορών, οι απαιτήσεις που χρησιμοποιήθηκαν για την αξιολόγηση του συστήματος προέρχονται, κυρίως, από έγγραφα απαιτήσεων γραμμένα από φοιτητές. Τα έργα αυτά αφορούν διαφορετικούς τομείς, συμπεριλαμβανομένων των ενσωματωμένων συστημάτων, συστημάτων εικονικής πραγματικότητας καθώς και εφαρμογών διαδικτύου.
1296 αντιστοιχισμένες έννοιες
Οι λέξεις provide και functionality συνδέονται μέσω της σχέσης acl(provide, functionality), η συσχέτιση acl δεν είχε συμπεριληφθεί στις αρχικές συσχετίσεις και άρα η διαδικασία αντιστοίχισης έφτανε μέχρι την λέξη provide.
Οι αντιστοιχίσεις ανά πρόταση από 2.5 άγγιξαν τις 2.9 ενώ το ποσοστό των σωστών αντιστοιχίσεων και για τις δύο οντολογίες βελτιώθηκε για πάνω από 10 ποσοστιαίες μονάδες. Βλέπουμε όμως ότι και πάλι η οντολογία SCASE έχει μεγαλύτερο ποσοστό σωστών αντιστοιχίσεων αυτό συμβαίνει γιατί η δομή της είναι πιο απλή και οι σχέσεις μεταξύ των εννοιών δεν είναι τόσο σύνθετες όπως στην οντολογία RequirementsOnt. Περίπου 460 έννοιες
Οι αντιστοιχίσεις ανά πρόταση από 2.5 άγγιξαν τις 2.9 ενώ το ποσοστό των σωστών αντιστοιχίσεων και για τις δύο οντολογίες βελτιώθηκε για πάνω από 10 ποσοστιαίες μονάδες. Βλέπουμε όμως ότι και πάλι η οντολογία SCASE έχει μεγαλύτερο ποσοστό σωστών αντιστοιχίσεων αυτό συμβαίνει γιατί η δομή της είναι πιο απλή και οι σχέσεις μεταξύ των εννοιών δεν είναι τόσο σύνθετες όπως στην οντολογία RequirementsOnt.
Από 60.2 το ποσοστό αυξήθηκε στο 64.5%. 1365 αντιστοιχισμένες έννοιες
Από 64.5% το ποσοστό αυξήθηκε στο 68.7%. Παρατήρηση: ο αριθμός των εννοιών που αντιστοίχισε το σύστημα μειώθηκε από 1365 σε 1319. Ωστόσο αυτή η μείωση είναι πλασματική. Για την ακρίβεια κατά την αξιολόγηση λαμβάνονται υπόψιν οι αντιστοιχίσεις που πραγματοποιεί το σύστημα ενώ τα ζευγάρια που δίνει ο χρήστης δεν προσμετρώνται. Επομένως, στην πραγματικότητα ο αριθμός των συνολικών εννοιών που αντιστοιχήθηκαν είναι μεγαλύτερος αλλά πλέον και η συνεισφορά του χρήστη είναι μεγαλύτερη και οι αντιστοιχίσεις που κάνει αφαιρούνται από τον συνολικό αριθμό.
Ο πληθοπορισμός είναι μία μορφή συλλογικής διαδικτυακής δραστηριότητας στην οποία ένα άτομο, ένα ίδρυμα, ένας μη κερδοσκοπικός οργανισμός ή μία εταιρεία προτείνει σε μία ομάδα ατόμων με ποίκιλες γνώσεις, ετερογένεια και αριθμό, μέσω μίας ανοιχτής πρόσκλησης, να αναλάβουν εθελοντικά μια εργασία. Παραδείγματα crowdvoting ή crowdfunding.
3.41% αντιστοιχισμένες λέξεις ανα απαίτηση για την SCASE ενώ στο προηγούμενο πείραμα ήταν 2.6. Η διαφορά στις σωστές αντιστοιχίσεις έχει να κάνει με την δομή των οντολογιών. Η διαφορά στις αντιστοιχισμένες έννοιες έχει να κάνει με τις λέξεις που αντιστοίχεισαι ο χρήστης, πχ το system είναι ήδη αντιστοιχισμένο μιας και έχει ακριβώς αντίστοιχη οντότητα. Κατά μέσο όρο 425.5 (444 αντιστοιχισμένες έννοιες SCASE και 407 αντιστοιχισμένες έννοιες RequirementsOnt)
Τέλος θα μπορούσαν να εξεταστούν λεξικολογικά ή συντακτικά εργαλεία πέραν του WordNet τα οποία θα μείωναν το ποσοστό των τυχαίων αντιστοιχίσεων και άρα το ποσοστό των σωστών αντιστοιχίσεων θα αυξανόταν. Ένα τέτοιο εργαλείο θα μπορούσε να είναι το word2vec το οποίο αποτελείται από μια ομάδα σχεσιακών μοντέλων που παράγουν ένθετα κειμένου(word embeddings). Το Word2vec παίρνει ως είσοδο μια μεγάλη συλλογή ενός κειμένου και παράγει ένα σύνολο διανυσμάτων, συνήθως με διαστάσεις αρκετών εκατοντάδων, όπου κάθε μοναδική λέξη που υπάρχει στην συλλογή λαμβάνει ένα αντίστοιχο διάνυσμα στο χώρο