SIDARES: herramienta de procesamiento del lenguaje natural para la detección de ambigüedad léxica y sintáctica en requisitos de software

Abstract

La ingeniería de requisitos es una de las etapas más importantes del ciclo de vida del desarrollo de software. El éxito de cualquier producto de software depende de la calidad de sus requisitos. Los requisitos de software suelen estar escritos en lenguaje natural. La ambigüedad en los requisitos escritos en lenguaje natural es un problema que ha sido estudiado por la comunidad de ingeniería de requisitos durante más de dos décadas. La resolución manual de la ambigüedad en los requisitos es trabajosa y requiere mucho tiempo. Existen varias herramientas de procesamiento del lenguaje natural para automatizar el análisis de la ambigüedad; sin embargo, la mayoría de ellas no están ampliamente disponibles, son obsoletas y poco seguras; las pocas herramientas públicas sólo permiten el análisis de requisitos en lengua inglesa. Esta investigación pretende desarrollar una herramienta de procesamiento del lenguaje natural para detectar la ambigüedad léxica y sintáctica presente en los requisitos de software, utilizando el lenguaje de programación Python y herramientas de procesamiento del lenguaje natural como NLTK. Como resultado de este trabajo, se presenta un conjunto de datos que contiene 19 357 requisitos pertenecientes a los proyectos de desarrollo de software de la Universidad de Ciencias Informáticas; el conjunto de datos obtenidos constituye una línea de base para futuras investigaciones. Se utilizó la metodología XP para guiar el desarrollo de la herramienta propuesta. Se evaluó el enfoque en un conjunto de datos de 100 requisitos, logrando un 98% de precisión y un 91% de exhaustividad.

Requirements engine of the most important stages of the software development life cycle. The success of any software product depends on the quality of its requirements. Software requirements are usually written in natural language. Ambiguity in requirements written in natural language is a problem that has been studied by the requirements engineering community for more than two decades. Manual resolution of ambiguity in requirements is tedious and time consuming. There are several natural language processing tools to automate ambiguity analysis, however, most of them are not widely available, outdated and unsafe; the few public tools only allow the analysis of requirements in the English language. This research aims to develop a natural language processing tool for detecting lexical and syntactic ambiguity present in software requirements, using the Python programming language and natural language processing tools such as NLTK. As a result of this work, a dataset is presented that contains 19,357 requirements belonging to the software development projects of the University of Informatics Sciences; the set of data obtained constitutes a baseline for future research. The XP methodology was used to guide the development of the proposed tool. We evaluated our approachon a suite of dataset of 100 requirements and achieved 98% precision and 91% recall on average.