一种大模型驱动的基于顶层需求生成底层需求的方法

本发明属于计算机软件开发，涉及一种基于顶层需求生成底层需求的方法。

背景技术：

1、在当今软件工程和计算机科学领域，需求生成任务扮演着关键的角色。其核心目标是从用户或系统高级需求规范中提炼出更为具体、详细的底层需求，为软件系统的设计、实现和测试提供基础支持。这一过程对于确保软件系统满足用户期望、具备高可靠性和安全性等要求至关重要。在需求生成任务中，基于顶层需求生成底层需求是一项关键的任务。这涉及从用户提供的高级抽象需求或系统规范中，自动或半自动地生成更加具体和详细的底层需求。这些底层需求包括系统的功能性和非功能性需求、性能要求、安全性要求等方面。通过将抽象的用户意图转化为计算机能够理解和实现的具体指令，该任务为软件开发过程提供了具体而清晰的方向，促使系统的逐步细化和完善。

2、然而，随着软件规模的不断扩大和项目复杂性的提高，需求生成任务面临着一系列挑战。如何处理复杂系统的需求、确保生成的底层需求与顶层需求的一致性，以及如何适应不断变化的需求等问题，都是当前研究者们亟待解决的难题，解决如何高效地进行需求生成的问题，直接影响着软件开发过程的质量和效率。这些挑战直接关系到软件项目的成功交付和系统的最终性能。

3、为解决这些挑战，近年来研究者们开始借助深度学习技术来改进需求生成任务。这些基于深度学习的方法利用先进的神经网络架构，尤其是transformer架构，理解和生成复杂的需求文本。通过使用这些技术，研究者们希望能够提高需求生成任务的自动化程度、减少人工干预的需求细化过程，从而加速整个软件开发周期。在这一趋势中，reqgen方法成为一个有代表性的例子。该方法从领域本体中选择面向关键字的知识，并将其注入基本的统一预训练语言模型(unilm)，以进行领域微调，同时集成复制机制，以确保关键字出现在生成的语句中，最后，设计了一种需求语法限制解码，以缩小候选规范和参考规范之间的语义和语法距离。这种方法在一定程度上解决了从关键字到需求草稿的自动化生成问题，为深度学习在需求生成任务中的应用提供了实际的范例。

4、尽管目前的需求生成方法在软件工程领域取得了一些成果，但同时也面临一系列挑战。其中包括语义一致性的不足、领域特异性的缺陷等问题，这些因素都在一定程度上影响了需求生成任务的质量和效率。与此同时，底层组件复用效率的低下也成为需求生成任务中亟待解决的重要问题。现有方法未能充分解决如何提高底层需求组件的可复用性问题，导致在软件开发过程中频繁发生相似功能的重复设计和开发，浪费了宝贵的人力资源和时间。

5、因此，研究人员需要进一步探索引入更加智能和细致的算法，以提高生成任务的准确性和全面性，确保生成的需求更符合实际应用场景。同时，考虑结合先进的技术手段，建立更为完善的底层组件数据库，减少不必要的开发工作，提高底层组件的可复用性。

技术实现思路

1、为了解决背景技术中存在的上述问题，本发明提供了一种大模型驱动的基于顶层需求生成底层需求的方法。该方法提高了底层需求生成的准确性和效率，具有普适性；同时，通过自动化的关键词提取以及数据库匹配，有效地增加了需求组件的可复用性；引用智能化方法，降低了对人工专业知识和经验的过度依赖，为软件开发提供了更为灵活、智能的解决方案。

2、本发明的目的是通过以下技术方案实现的：

3、一种大模型驱动的基于顶层需求生成底层需求的方法，包括如下步骤：

4、步骤s1：收集涉及软件工程中跨级别需求追溯的数据；

5、步骤s2：对数据集进行预处理，提取顶层需求关键词作为识别标签；

6、步骤s3：选取大模型，根据其输入要求配置数据处理函数，对输入文本进行格式转换；

7、步骤s4：选择微调方式对大模型进行训练，每个大模型及其调参后的微调策略定义为一个pipeline，并记录评估结果；

8、步骤s5：重复步骤s3、步骤s4，生成多个pipeline，记录所采用的微调策略、超参数设定以及性能指标等信息，对其进行详细评估，根据记录的评估结果由专业人员选择性能最优的pipeline；

9、步骤s6：封装训练好的大模型，生成可供外部调用的api接口；

10、步骤s7：提取待整理的顶层需求的关键词，在数据库中匹配，若匹配成功，则复用对应的底层需求；若匹配失败则利用大模型生成，由人工整理确认后使用，并将生成需求置入数据库中便于下次复用。

11、相比于现有技术，本发明具有如下优点：

12、1、本发明采用先进的大模型和多样化微调方式，显著提高了底层需求的生成准确率。通过引入大模型，系统能够从大量数据中学到更为复杂的语义和关联信息，从而更准确地理解和生成底层需求。同时，采用多样化微调方式，系统能够在训练过程中适应不同类型的需求，进一步提高了生成准确率。这使得本发明在需求生成任务中具有更为卓越的性能，减少了错误和不一致性，为软件开发提供了更可靠的底层需求。

13、2、本发明通过智能化的大模型和数据库匹配，提升了底层需求组件的匹配准确性。这使得系统更容易识别和推荐已有的底层需求，从而增加了需求组件的可复用性。开发人员能够更有效地利用现有资源，减少相似功能的重复设计和编码，提高了软件开发的效率。

14、3、本发明引入大模型使得需求处理更具智能性，不再过度依赖人工经验。大模型能够学习和理解大量的语义信息，使得底层需求的生成更为智能和自动化。这降低了对人工专业知识和经验的过度依赖，使系统对各类需求的处理更具通用性。

15、4、本发明通过自动化的关键词提取、数据库匹配以及大模型生成，减轻了人工在需求处理过程中的工作负担。自动化的步骤减少了繁琐的手动操作，提高了整体工作效率。开发人员能够更专注于更具创造性和战略性的任务，提高了整体工作满意度。

技术特征：

1.一种大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s1的具体步骤如下：

3.根据权利要求2所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述需求文档包括项目计划、需求规格说明书、设计文档，层级结构包括高级需求和低级需求。

4.根据权利要求1所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s2的具体步骤如下：

5.根据权利要求4所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s202的具体步骤如下：

6.根据权利要求1所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s3的具体步骤如下：

7.根据权利要求6所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s302的具体步骤如下：

8.根据权利要求1所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s4的具体步骤如下：

9.根据权利要求8所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述微调策略涵盖lora、prefix-tuning、prompt-tuning、p-tuning多种方案。

10.根据权利要求1所述的大模型驱动的基于顶层需求生成底层需求的方法，其特征在于所述步骤s7的具体步骤如下：

技术总结
本发明公开了一种大模型驱动的基于顶层需求生成底层需求的方法，所述方法如下：收集涉及软件工程中跨级别需求追溯的数据；对数据集进行预处理，提取顶层需求关键词作为识别标签；选取大模型，根据其输入要求配置数据处理函数，对输入文本进行格式转换；选择微调方式对大模型进行训练，并记录评估结果；根据记录的结果选择性能最优的Pipeline；封装训练好的大模型，生成可供外部调用的API接口；提取待整理的顶层需求的关键词，在数据库中匹配，若匹配成功，则复用对应的底层需求；若匹配失败则利用大模型生成，由人工整理确认后使用，并将生成需求置入数据库中便于下次复用。本发明提高了底层需求生成的准确性和效率，具有普适性。

技术研发人员：葛楚妍,王甜甜,尹德熠,杨昊岩,杨小天,祝苑,俞捷,邢欣欣,刘东篱
受保护的技术使用者：哈尔滨工业大学
技术研发日：
技术公布日：2024/5/10