[发明专利]一种基于需求识别的软件规模度量方法

说明书

本发明公开了一种基于需求识别的软件规模度量方法。该方法以软件的需求规范文档为基础，获取软件需求并进行需求分类，通过对功能需求中的功能点识别统计得到软件规模。包括:获取目标软件的需求规范文档；对目标软件需求文档进行数据预处理,得到需求语句数据；使用图注意力网络和BERT构建自动需求分类模型进行需求识别分类；对功能需求则进行功能点规模计算，对非功能需求进行属性嵌入和全局统计；最后以功能点规模估算为主，全局非功能需求分类统计和系统特性作为调整系数完成软件规模度量。

技术领域

本发明涉及软件规模度量技术领域,具体提供一种基于需求识别的软件规模度量方法。

背景技术

软件开发项目规模度量是估算软件项目工作量、编制成本预算、策划合理项目进度的基础。规模度量是软件项目失败的重要原因之一。随着计算机技术和软件工程的发展，越来越多的软件项目涌现出来。成功的软件系统开发意味着按时、按预算地交付符合用户需求的软件系统。从国内外软件项目的开发经验来看，影响系统开发成败的因素有多种，而软件规模估算和管理控制是其成功的关键因素之一。如果规模估算过大，导致费用过高，就会造成资源的巨大浪费；如果估算的规模过小，导致费用过低，就会造成整个项目失控，远远超过项目预算和交付日期。因此，对软件规模进行准确度量具有重要意义。

目前虽然已有相关学者对于软件规模度量方法进行了探索，但在软件规模度量领域仍然存在一些亟待解决的问题。由于软件规模度量方法需要处理大量的文本数据，目前软件规模估算主要通过人工从繁杂的项目材料中进行功能点的识别统计，效率较低，且由于识别人员的水平参差不齐难以保证规模估算的准确率。因此，如何从需求规范文档中准确的识别出用户需求和需求对应功能点是一项耗时且具有挑战性的工作。随着机器学习、自然语言处理技术的兴起，越来越多的研究者们尝试采用机器学习等方法来处理需求文档，代替人工从繁杂的需求文档中获取用户需求和功能点的识别统计。传统的基于机器学习的需求分类方法是通过人工预处理提取特征信息并利用浅层分类器来实现需求分类,一些研究者采用语义相似度、自定义字典和手工预处理等方法取得了较高的分类精度。然而由于人们对需求分类的效果要求越来越高,传统的需求分类方法耗时较长且精确度不高。

目前已有的需求分类研究仍有一定的局限性。首先，现有的需求分类技术忽略了结构特征和句法信息。传统的需求分类方法在很大程度上依赖特征工程，模型将文本视为几个词的集合,和每个单词出现在集合独立与其他词没有建立关系，传统的特征提取技术只获取单词本身的特征和需求句的浅层信息很难获取语法和句法信息。其次，大多数需求分类模型泛化能力较差，特别是使用人工预处理的模型，应用到未知软件项目时，模型性能急剧下降，导致需求分类模型很难应用到实际项目中。

我们采用的图注意力网络是一种基于图数据的图神经网络,相比于传统的网络,图注意力网络能更好的通过图结构的数据捕获需求语句的特征信息,被广泛应用于推荐系统,图像处理,知识推理,知识图谱构建等任务中。将先进的自然语言处理技术应用有需求识别，可以更好的提高软件规模度量任务的准确度和效率。从而提供自动化软件规模度量的思路和技术，这种方式具备一定的可行性。

发明内容

发明目的：为了解决现有的技术的不足，本发明提供了一种基于需求识别的软件规模度量方法。

技术方案：本发明提供了一种需求识别的软件规模度量方法，包括如下步骤：

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。