TEAM自动摘要：结构化需求分析与GWT-RUCM转换

在"TEAM-需求分析1"中，团队成员包括BY1817164孙竖敬、SY1806116赵健宏、SY1806611张鹏程和ZY1806106刘良，他们于2018年12月进行了一项关键任务，即开发一个自动摘要系统，旨在将自然语言文档转换为结构化的流程需求。目标是设计一套标签体系，首先手动将这些标签嵌入原始文档，以便通过机器学习方法自动化这个过程。输入文档遵循GWT格式，即每个用例包含一个正常情况下的描述，Scenario部分简述具体场景，Given部分描述前提条件，而When部分则表达操作和判断。 系统的关键点在于处理GWT到中间标签再到RUCM的转化，因为GWT和RUCM之间的映射并非直接对应。这个转化过程利用了自然语言处理技术和机器学习，确保从非结构化的GWT文档提取出关键信息，形成符合RUCM规范的需求文档。其中，输入规约明确系统接收两个文档：GWT输入文档作为核心，用于转化，而领域背景文档则提供额外的上下文信息，有助于构建处理模型。 1.1输入规约中，GWT文档的具体要求包括： - 对于每个用例，Feature是用例名称，描述应包含一个正常情况的步骤，以理想输出为目标。 - Scenario部分简洁描述场景。 - Given部分需与用例前提条件一致，使用简单句表达条件，涉及数据时作为宾语的定语。 - When部分应避免复杂的句子结构，除非是表示判断、循环或并发，这些要用复合句，并遵循特定的句式，如判断为“如果……那么……[否则……]”，循环为“……直到……”，并发为“……同时……”。 为了确保在规定的时间内完成第一版系统，团队对输出进行了约束，明确了输入文档的规范，特别是GWT文档的结构和表述要求。这样的设计旨在提高需求分析的效率和准确性，为后续的系统开发和维护打下坚实的基础。整个项目涉及的技术栈包括自然语言理解、文本处理算法和机器学习模型，展示了团队在AI和文档处理领域的专业技能。