Page 214 - 《软件学报》2026年第4期
P. 214
袁中锦 等: 融合中文需求文本语义特征的 UML 活动图自动生成方法 1655
F(x) : S → G (1)
其中, F(x) 为 UML 活动图图元素及其关系提取函数, S = {s k |1 ⩽ k ⩽ K } 为由 K 个句子组成的需求文本句子集合,
G = (AN,AE) 为自动生成的 UML 活动图.
初始节点 执行部门 顾客服务部门 财务部门
动作节点 ①
①
边 接收视频订购 ② ① node 1=(1, 顾客服务部门, none, 初始节点)
分叉节点 ③ ② node 2=(2, 顾客服务部门, 接收视频订购, 动作节点)
③ node 3=(3, 顾客服务部门, none, 分叉节点)
填写订单 寄送发票
连接节点 ④ ④ node 6=(6, 执行部门, none, 决策节点)
[其他] [加急]
② ⑤ node 9=(9, 执行部门, none, 合并节点)
正常 加急 收银
决策节点 配送 配送 ⑥ node 11=(11, 顾客服务部门, none, 连接节点)
⑦ node 13=(13, 顾客服务部门, none, 结束节点)
⑤
合并节点
⑥ ① edge 1=(l, node 1, node 2, none)
泳道 关闭订单 ② edge 7=(7, node 6, node 8, 加急)
结束节点 ⑦
图 3 包裹快递业务的 UML 活动图图示及其形式化语义表示示例
如前所述, UML 活动图图元素及其关系提取不仅要考虑每一条需求文本语句的语法特征提取, 还要考虑语义
特征提取, 以及语法特征和语义特征的融合. 词性、句法等需求文本的语法特征是明确的, 而需求文本语句与活动
图绘制的相关性、需求文本语句的时序性等语义特征是模糊难辨的. 本文将通过在活动图自动生成流程中引入多
标签需求文本分类方法解决这一难题.
2.2 方法框架
本文提出的融合中文需求文本语义特征的 UML 活动图自动生成方法 AutoADGC 是结合软件需求文本的语
义特征和语法特征提取 UML 活动图图元素及其关系的过程. 图 4 描述了 AutoADGC 方法的整体框架. 整个自动
生成过程主要包括中文需求文本语义特征提取、UML 活动图图元素及其关系提取、UML 活动图绘制这 3 个主
要步骤. 本文直接采用主流 UML 图绘制工具 PlantUML 作为图编辑引擎, 下文将重点对中文需求文本语义特征提
取和 UML 活动图图元素及其关系提取的实现方法进行具体介绍.
UML 活动图图元素及其关系提取
需求文本语义 活动图节点类型和节点顺序确定 UML 活动图
特征提取 包含语义标签 活动图组件 绘制
需求文本 的需求文本 活动发起者和动作描述提取 UML 活动图
语义多标签 图编辑引擎
需求文本分类器 启发式规则
图 4 融合中文需求文本语义特征的 UML 活动图自动生成方法整体框架
2.2.1 中文需求文本语义特征提取
软件需求文本中可能同时存在包含业务活动描述的语句和不含业务活动描述的语句 [25] . 以图 1 中的需求文
本为例, 尽管一些不含业务活动描述的句子符合某种 UML 活动图图元素及其关系提取规则, 但它们却会为活动
