[发明专利]一种基于需求识别的软件规模度量方法

权利要求书

1.基于需求识别的软件规模度量方法，其特征是，包括:

步骤1：获取目标软件的需求规范文档；

步骤2：对目标软件需求文档进行数据预处理,得到需求语句数据；

步骤3：将预处理过的需求语句数据输入到使用图注意力网络和BERT构建的自动需求分类模型中,输出需求语句类别；

步骤4：根据需求识别结果，需求语句中若含有功能需求则进行功能点获取，若含有非功能需求则将非功能需求属性嵌入到该语句对应的功能点计算出该功能点规模，并将非功能属性统计到全局非功能属性；

步骤5：最后根据获取的功能点规模、全局非功能需求分类统计和系统特性计算软件规模度量。

2.根据权利要求1所述的方法,其特征在于,步骤3中,对所构建的基于图注意力网络和BERT的自动需求分类模型，包括如下步骤：

1）数据预处理模块：我们对获取的需求文本进行数据清洗，去掉非需求语句，并对需求语句进行去重，去乱码，去空格和语句分词处理；

2）需求图构建模块：对每一条需求语句构建了一个相应的语法解析树，用于揭示需求语句中丰富的句法信息和词汇间的依赖关系，并基于句法解析树构造依赖关系图；

3）图嵌入模块：首先使用BERT对构建的依赖解析图进行节点初始化嵌入，得到向量化的节点表示；然后使用图注意力网络学习需求语句的特征信息，通过对图中节点的前向邻域和后向邻域的信息进行聚合，得到双向节点嵌入，在学习节点嵌入的基础上构造图嵌入，获取整个图的特征信息表示；

4）图分类模块：将输出的图嵌入信息输入到多层感知器(MLP)中进行分类操作，输出需求候选子类的概率分布；

然后使用Softmax函数进行归一化处理输出需求分类结果。

3.根据权利要求2所述的方法,其特征在于,步骤2)中需求图构建模块过程如下：

我们使用依赖解析器执行线性时间扫描法来构建句法解析图，然后，将句法解析图中的每个词设置为依赖解析图的节点，得到节点集合；将词语之间的句法关系连接设置为依赖解析图的边。

4.根据权利要求2所述的方法,其特征在于,步骤3) 中图嵌入模块具体构建过程如下：

使用BERT进行节点初始化嵌入；我们将需求句重构为适合BERT输入的形式，调整输入序列为合适大小，然后使用双向图注意力网络特征学习，根据节点间边的方向，添加节点的前后邻居节点，查找全连接的神经网络连接每个前向（后向）邻居的向量，然后使用聚合器执行最大池化操作将节点的邻居信息聚合为节点的邻域向量，最后，采用基于节点的方法进行图的嵌入操作；我们在输入图中添加一个新的核心节点，并将所有其他节点直接添加到新的核心节点中生成图嵌入。

5.根据权利要求2所述的方法,其特征在于,步骤4)中图分类模块具体构建过程如下：

首先，使用MLP模型来计算概率；然后通过Softmax进行分类结果标准化；我们根据Softmax层输出的标准化置信度值来确定最终的分类结果。

6.根据权利要求1所述的方法,其特征在于,步骤4中，针对需求分类结果，对功能需求语句获取功能点，其中将功能点分类为数据功能和交易功能，数据功能是指向用户提供的满足内部或者外部数据需求的功能，交易功能指的是向用户提供的用来处理数据的功能，对非功能需求语句获取非功能需求属性，将非功能需求的语句划分到性能、可靠性、可用性、安全性、可维护性这五大类非功能需求类型之中，并将非功能需求属性嵌入到该语句对应的功能点中参与功能点规模计算，最后将非功能需求属性统计到全局非功能属性中，作为软件工作量规模的调整因子之一。

7.根据权利要求1所述的方法,其特征在于,步骤5中，根据功能点规模、全局非功能需求分类统计和系统特性计算软件规模度量；其中功能点规模和全局非功能需求分类统计根据权利要求6获取；专家根据项目经验判定软件所属类型和性质进行评判打分。