[發明專利]一種面向模式的非功能需求知識精化方法

在審

• 申請號: 202010516462.4
• 申請日: 2020-06-09
• 公開（公告）號: CN111723214A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 張璇;潘照宇;鄧宏鏡;高宸;韓夢婷
• 申請（專利權）人: 云南大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/31;G06F16/28;G06F40/205
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 胡川

本發明公開了一種面向模式的非功能需求知識精化方法，涉及需求工程和知識圖譜精化領域，其特征在于，通過將建立的非功能需求知識圖譜進行擴展得到具有模式集的四元組集，讀取所述四元組集進行預處理并初始化實體、關系和模式的表示向量，利用投影矩陣把實體和關系的向量投影到模式空間得到評分函數，同時檢測非功能需求知識圖譜中的層次結構計算獲得層次約束間距，再結合評分函數獲得損失函數，采用隨梯度下降法對知識圖譜嵌入向量進行優化訓練得到表示向量，根據表示向量和評分函數進行知識補全和知識查錯。本發明在知識圖譜中增加了模式，并引入層次結構進行優化，提高了知識精化的質量，確保了重用知識的正確性和完整性。

技術領域

本發明涉及需求工程和知識圖譜精化領域，特別涉及一種面向模式的非功能需求知識精化方法。

背景技術

在大數據環境下，軟件非功能需求知識關聯分布在大規模、多源、異構、多模態及持續增長的數據源中，為了將這些非功能需求知識相關的信息組織起來，并建立關聯關系，使之成為可以被利用的知識，我們構建非功能需求知識圖譜。另外，非功能需求相較于功能需求，具有更好的可重用性，例如：金融領域和教育領域都需要考慮安全性，應用在金融領域時，安全性的實現可以是對金融信息進行加密，對人員進行授權；應用在教育領域時，部分教育信息也包含敏感信息，可以對其進行加密，同樣需要人員授權。因此，非功能需求知識圖譜的構建需要保證其有利于支持非功能需求知識的重用，本發明將模式引入知識圖譜，基于模式提供非功能需求知識重用能力。

由于知識圖譜通常會面臨著知識缺失和知識錯誤的問題，知識精化的提出可以實現知識補全和知識查錯，它在已給定知識圖譜的情況下，解決知識缺失和錯誤的問題。知識圖譜嵌入是一種常用的知識精化方法，其核心思想是將知識圖譜的實體和關系嵌入到低維連續向量空間中，在保留知識圖譜本身結構的同時，通過學習實體和關系的向量化表示來對知識圖譜進行補全和查錯，因此，本發明提出一種基于嵌入方法的非功能需求知識精化方法。此外，由于非功能需求知識實體之間具有大量的層次關系，利用此層次結構對知識圖譜的嵌入過程進行優化，可以提高非功能需求知識精化質量。

發明內容

針對現有技術中存在的問題，本發明提供了一種面向模式的非功能需求知識精化方法，通過將非功能知識圖譜增加了一個模式進行擴展得到四元組，將四元組的實體和關系投影到實體空間獲得評分函數，通過評分函數計算四元組向量的評分值，根據評分結果進行知識補全和知識查錯，同時進行知識圖譜的層次結構檢測，獲得層次關系，根據具有層次關系的關系集獲得最優層次約束間距，根據最優層次約束間距和評分函數獲得損失函數并采用隨機梯度下降法對知識圖譜嵌入向量進行優化訓練。使非功能需求知識圖譜嵌入模型有效利用模式和層次結構信息，提高了知識精化的質量。

同時還通過評分函數對所述非功能知識圖譜進行了知識補全和知識查錯保證了知識重用的正確性和完整性。

本發明提供了一種面向模式的非功能需求知識精化方法，具體技術方案如下：

知識圖譜的擴展，將構建好的非功能需求知識圖譜進行擴展增加一個模式；

知識數據的預處理，對擴展后的到的知識數據進行預處理獲得表示向量；

向量的投影，利用投影矩陣把實體和關系向量投影到模式空間中，根據模式空間中的投影向量間的距離運算得到評分函數；

層次結構檢測，檢測非功能知識圖譜中實體與關系的其它層次結構，根據獲得的層次關系計算得到最優層次約束間距；

模型的優化，結合評分函數和層次約束間距得出損失函數，根據得到的損失函數采用隨機梯度下降算法優化非功能需求知識圖譜的向量表示；

知識補全和知識查錯，通過評分函數得出知識圖譜四元組向量的評分值，并根據評分值結果進行知識補全和知識查錯；

進一步的，所述知識圖譜的擴展，增加一個模式將傳統三元組(h，r，t)擴展為四元組(h，r，t，p)，擴展過程如下所示：