用于通过本体模型的比较进行一致性检查的方法和装置的制造方法
【技术领域】
[0001] 实施例一般涉及根据使用由需求文档和软件代码构成的本体模型的需求文档和 软件代码一致性检查。
【背景技术】
[0002] 在系统开发过程中，需求文档提供关于软件必须为系统的成功运行提供的功能性 的必要信息。需求通常是以流畅的英语语言捕获，并且所得的需求文档遍布数百页。多个功 能需求可能具有一些重叠的功能性以及子功能性。因此，类似功能中的不一致可能导致软 件中的错误，从而导致或者产生故障。通常，主题专家SME检阅需求文档以识别不一致性和 正确性问题，并且将它们纠正以改进需求文档以及软件代码的一致性。此外，当在具有特定 实体(例如，车辆）的领域中观察到故障时，也可以将该故障的根本原因追溯到安装在车辆 中的模块中执行的其需求文档或软件。给定与需求相关的需求文档的长度和软件算法的数 量，手动地链接思维模型中的适当需求的任务是重要、耗时且容易出错的操作。
【发明内容】
[0003] 实施例的优点在于识别需求文档之间以及需求与软件代码之间的不一致，使得能 够实现不同的子系统之间的故障可追溯性的。本发明还促进追溯通过车辆观察到的关于安 装在作为车辆组件的一部分的模块中的其需求文档或软件的故障。本文描述的实施例使用 从需求文档、软件代码以及从在用于识别不一致的领域中观察到故障时收集到的数据提取 的本体的比较。本文描述的实施例可以处理从各个异构源获得的数据的质量数量以及确定 需求文档水平和软件代码水平的根本原因，这通过最小化保修成本改进产品质量。
[0004] 实施例预期一种在需求文档和软件代码之间应用一致性检查的方法。识别从数据 库获得的多个需求文档中的术语。处理器为每个术语分配一个词性标签。词性标签指示需 求文档中的每个术语的语法使用。处理器基于词性标签来将每个术语分类。分类识别每个 术语是零件术语、症状术语、动作术语、事件术语还是故障模式术语。处理器根据所分类的 术语来构建基于本体的一致性引擎。一致性检查通过在从两个上下文文档提取的本体之间 应用基于本体的一致性引擎来执行。识别上下文文档之间的不一致术语。校正具有不一致 术语的上下文文档中的至少一个。
[0005] 本发明包括以下方案： 1. 一种使用构建的本体模型在需求文档和软件代码之间执行一致性检查的方法，包 括以下步骤： 识别从数据库获得的多个需求文档中的术语； 由处理器为每个术语分配词性标签，词性标签指示需求文档中的每个术语的语法使 用； 由处理器基于词性标签来将每个术语分类，分类识别每个术语是零件术语、症状术语、 动作术语、事件术语还是故障模式术语； 由处理器根据分类的术语来构建基于本体的一致性引擎； 通过在从两个上下文文档提取的本体之间应用基于本体的一致性引擎来执行一致性 检查； 识别上下文文档之间的不一致术语； 校正具有不一致术语的上下文文档中的至少一个。
[0006] 2.如方案1所述的方法，其进一步包括以下步骤： 响应于将词性标签分配给每个术语，识别每个术语是否是短语的一部分;以及 将所述短语分组为具有相同的术语数量的n元语法。
[0007] 3.如方案2所述的方法，其进一步包括以下步骤： 基于P0S标签来识别短语的开始和结束位置，用于确定短语的逐字长度。
[0008] 4.如方案3所述的方法，其进一步包括以下步骤:根据逐字长度确定公共短语。
[0009] 5.如方案3所述的方法，其进一步包括以下步骤：响应于确定两个相应短语包括 公共词性标签，估计用于确定相关分类的短语的字典式交互信息。
[0010] 6.如方案3所述的方法，其中用于第一短语和第二短语的字典式交互信息由以下 公式确定：
[0011] 7.如方案6所述的方法，其中将与第一短语相关的LMI概率和与第二短语相关的 LMI概率相比较，并且其中将与具有较高概率的相应LMI相关的分类分配给第一短语和第二 短语。
[0012] 8.如方案7所述的方法，其中通过捕获其中指定特定短语的上下文使用朴素贝叶 斯网模型来确定上下文概率，其中使用LMI概率和朴素贝叶斯网模型来分配所述分类。
[0013] 9.如方案1所述的方法，其中两个上下文文档之间的一致性检查包括一个第一需 求文档和一个第二需求文档。
[0014] 10.如方案1所述的方法，其中两个上下文文档之间的一致性检查包括第一软件 代码和第二软件代码。
[0015] 11.如方案1所述的方法，其中两个上下文文档之间的一致性检查包括需求文档 和软件代码。
[0016] 12.如方案1所述的方法，其中两个上下文文档之间的一致性检查包括一个第一 需求文档和第二需求文档。
[0017] 13.如方案1所述的方法，其中在第一软件代码与第二软件代码之间执行故障可 追溯性。
[0018] 14.如方案1所述的方法，其中产生关于第一软件代码和第二软件代码的本体的 实例，其中将相应本体实例相比较以用于识别第一软件代码与第二软件代码之间的不一 致。
[0019] 15.如方案1所述的方法，其中在第一软件代码与需求文档之间执行故障可追溯 性。
[0020] 16.如方案1所述的方法，其中通过发现第一组概念术语与第二组概念术语之间 的类似性来确定一致性检查，其中使用以下公式来确定类似性：
其中P(c)是看见概念c的实例的概率，以及
其中如果#?大于第一预定阈值，贝輸定第一和第二组概念彼此一致。
[0021] 17.如方案15所述的方法，其中当使用词的多个继承时通过发现第一组概念术语 与第二组概念术语之间的类似性来确定一致性检查，其中使用以下公式来确定所述类似 性：
其中P (c)是看见概念c的实例的概率，
其中__：_指示用于词W的可能意义组， 其中如果赛辑|紙>?_大于第二预定阈值，则确定第一和第二组概念彼此一致。
[0022] 18.如方案16所述的方法，其中第一预定阈值大于第二预定阈值。
【附图说明】
[0023]图1是一般流程一致性检测需求技术的方框图。
[0024]图2是需求链接技术的整体方法的方框图。
[0025] 图3是用于识别关键n元语法的流程图。
[0026] 图4是使用关键N元语法的示例性P0S标签过程。
[0027]图5是用于P0S标签的示例性概率估计的流程图。
[0028]图6是用于将概率与上下文信息相关的流程图。
[0029]图7示出与试验数据合作使用的训练表的使用。
[0030]图8示出示例性的基于本体的不同子系统之间的一致性检查。
[0031]图9示出用于从软件开发本体的技术的流程图。
[0032] 图10示出可以用来捕获Java代码(例如，软件)的关键组件的域特定本体的实例。
[0033] 图11示出图10中所示的本体的实例。
【具体实施方式】
[0034]图1示出基于本体的一致性引擎的一般流程的方框图10。虽然本文描述的实施例 是基于车辆的系统，但是应理解，系统可以应用于各种其他系统，包括飞机或其他基于非汽 车的系统。基于本体的一致性引擎使用一个或多个处理器、存储器(诸如存储器存储设备、 数据库）以及用于输出来自一致性检查的结果的输出设备。此外，处理器或者另一个处理单 元可以执行具有不一致术语的上下文文档的自主校正。在方框11中，获得包括多个需求的 需求文档。从需求文档选择相应需求。需求是提供与零件、系统或软件的功能性和操作需求 有关的细节的关于零件、系统或软件的描述。
[0035]在方框12中，在需求中删除停止词。在执行数据的自然语言处理时，停止词在数据 中增加不必要的噪音。停止词由以下各项构成但不限于此："一"、"一个"、"该"、"谁"、 "WWW"、"因为"和"变成"，这些