earticle

영어

It is necessary for users to utilize a set of standard technical jargon for the soundness of requirements specification, while reducing its ambiguity and improperness as much as possible. Through the analysis of requirements specification, a standard technical Korean(STK) has been established in the domain of the railway vehicle system. Based upon STK, this paper also derives a type of templates for the guideline of requirements specification. A variety of templates in the railway vehicle system domain are fed into the input of unsupervised machine learning algorithms as training instances. The clustering models in an unsupervised way classify the templates into a several clusters. Our system that verifies the soundness of requirements specification has been developed in the basis of clusters. The system we have developed makes a new sentence of specification belonged into one of groups, and then, if it finds the identical template in a specific cluster, it confirms the new specification as a sound one. Otherwise, it autonomically returns the most similar template recommended by k-means clustering algorithm. We have tested our system to verify both cases. In the experiment, no matter what a new sentence exists in the knowledge base of templates, it turns out that our robust system confirms whether or not the new sentence is correctly written, based upon the clusters, and further provides the most similar template as being updated for the correct specification.

한국어

소프트웨어의 요구사항을 작성하면서 발생하는 모호성과 부적절성을 제거하기 위하여 요구사항에 대한 전문용어를 사용할 필요가 있다. 본 논문에서는 철도차량 시스템 소프트웨어 요구사항 분석을 통하여 요구사항 작성에 참조할 수 있는 전문용어를 정립하며, 이를 기반으로 올바르게 작성된 요구사항 문장들에 대한 템플릿을 도출한다. 다양한 템플릿 문장은 요구사항 적합성을 점검하기 위한 비지도 기계학습용 데이터로 사용된다. 군집화 모델을 활용하여 요 구사항 템플릿을 군집화 하며, 새로운 요구사항의 적합성 여부를 군집 기반으로 판별하는 요구사항 적합성 검증도구 를 개발한다. 특정한 요구사항이 군집화 모델에 의하여 생성된 군집의 템플릿과 정확하게 일치하면 적합한 요구사항 으로 판정한다. 반면에 요구사항 적합성에 실패하면, k-평균 군집화 알고리즘에 의하여 가장 유사한 템플릿을 자동 으로 추천한다. 클러스터링 기법에 의하여 군집화된 템플릿과 새로운 요구사항에 대한 적합성 여부를 검증하기 위한 실험을 수행하였다. 첫 번째는 군집화 기반의 요구사항 추천이 정상적으로 동작하는가에 대한 실험이었다. 새로운 요구사항이 입력되면 군집으로 분류되었으며, 특정한 군집내의 동일한 형태소의 배열을 가진 템플릿으로 정확하게 추천됨을 확인하였다. 두 번째 실험에서는 기존의 템플릿 데이터베이스에 없는 요구사항 문장을 입력한 경우에 입력 한 요구사항과 가장 유사한 템플릿을 추천하는 것을 확인하였다.