MaRK：自动化挖掘领域需求知识的方法

"本文主要探讨了在组织进入新领域时如何高效地获取和利用领域知识，特别是关于需求挖掘的问题。作者提出了MaRK（Mining Requirements Knowledge）系统，该系统旨在自动识别和检索包含功能组件描述的领域文档，以帮助领域分析师快速指定需求。文章中详细介绍了MaRK的工作原理，包括一个基于文档与组件相关性的排序算法，以及高亮显示可能包含需求信息的文本部分。通过在‘积极训练控制’(PTC)领域的523份文档上进行实验，评估了MaRK算法的有效性，特别是在检索与PTC机载单元相关需求的能力上。" 本文的研究集中在解决新领域中的需求挖掘挑战，这是一个在项目初期经常需要重复进行的关键任务。传统方法依赖于人工搜索、筛选和分析大量文档，这既耗时又耗费人力。MaRK系统的引入旨在自动化这个过程，减少工作负担。MaRK的核心在于其算法，该算法能够根据文档内容与领域模型中功能组件的关联程度进行文档排序，从而优先展示最相关的文档。 在实际应用中，领域模型通常用于捕捉领域的关键特性，包括功能组件，这些组件是定义需求的基础。MaRK系统通过分析这些文档，找出与模型组件相匹配的部分，帮助分析师快速定位到可能满足需求的信息。这不仅提高了工作效率，也有助于确保需求定义的全面性和准确性。 在实验部分，研究人员在PTC领域的一个大型文档集合上测试了MaRK系统。PTC是一个复杂的系统，其需求涵盖多个方面，包括安全、控制和通信等。通过对523份文档的处理，MaRK展示了在检索与PTC机载单元相关需求方面的强大能力。实验结果表明，MaRK能够有效地支持领域分析师的工作，提供有针对性的需求知识，从而加速需求分析和定义的过程。 这篇研究论文提出了一种创新的方法，即MaRK，用于从领域文档中挖掘需求知识，它为解决新领域中的需求理解问题提供了一种有效工具。通过自动化和智能化的手段，MaRK减少了人工工作量，提升了需求工程的效率，对于任何进入新领域的组织都具有重要的实践意义。