基于大模型的SysML状态机图形式化需求验证方法

    公开(公告)号:CN117608525A

    公开(公告)日:2024-02-27

    申请号:CN202311583577.5

    申请日:2023-11-24

    Abstract: 一种基于大模型的SysML状态机图形式化需求验证方法,属于计算机软件开发技术领域。方法如下:收集SysML状态机图数据集,追溯对应需求文本,而后对SysML状态机图以及需求文本进行翻译并进行验证;对SysML状态机图以及需求文本进行处理;为大模型设置提示模板,对两组大规模数据集进行批量训练;获取SysML状态机图和需求文本的翻译结果并以NuSMV可识别的语言的形式进行表示;对所得代码进行相应修改;将得到的目标代码输入NuSMV进行形式化验证。本发明提高了验证的效率,使验证方法更具普适性,减轻了在不同领域中应用形式验证方法时的繁琐工作,能够适应多种需求验证场景。

    基于大语言模型的SysML状态机图功能性需求的静态对齐验证方法

    公开(公告)号:CN119377088A

    公开(公告)日:2025-01-28

    申请号:CN202411502946.8

    申请日:2024-10-25

    Abstract: 本发明公开了一种基于大语言模型的SysML状态机图功能性需求的静态对齐验证方法,所述方法包括如下步骤:步骤S1:对需求文本进行统一化表示,基于需求语句在结构上的相似性,对所有基础需求进行系统分类;步骤S2:基于LTP大语言模型对已经处理好的需求文本进行解析;步骤S3:解析SysML图,对SysML图中元素及其转换关系进行系统分析;步骤S4:针对不同句型和需求类型,验证SysML状态机图与其对应需求文本的一致性。本发明的方法不仅通过文本解析和图形元素提取实现了需求与状态机图的对齐,还提供了对需求文本分类、条件筛选和双向转换检查等多种功能,确保了系统功能需求的准确验证。

    一种基于大模型的跨级别需求追溯方法

    公开(公告)号:CN118034646A

    公开(公告)日:2024-05-14

    申请号:CN202410170844.4

    申请日:2024-02-06

    Abstract: 本发明公开了一种基于大模型的跨级别需求追溯方法,所述方法包括如下步骤:步骤S1:收集涉及软件工程中跨级别需求追溯的数据;步骤S2:对数据集进行预处理,预处理包括处理重复、缺失信息和过长文本;步骤S3:整理输入数据并进行格式转换;步骤S4:调用多个大模型,针对每个模型采用多种微调方式,形成各自的Pipeline,随后根据记录的实验结果选择性能最优的Pipeline;步骤S5:将训练好的大模型进行封装,生成可供外部调用的API接口。本发明提高了跨级别需求追溯的准确性和效率,具有普适性。同时,通过引入大模型和多种微调方式,增强了方法的灵活性,使其能够适应多种需求验证场景。

    基于形式化的需求建模及SysML图自动测试验证方法

    公开(公告)号:CN119806511A

    公开(公告)日:2025-04-11

    申请号:CN202411861796.X

    申请日:2024-12-17

    Abstract: 基于形式化的需求建模及SysML图自动测试验证方法,属于计算机软件开发技术领域。方法如下:需求文本格式转换;生成测试用例表格;对需求文本进行形式化建模;执行测试验证,读取测试用例表格赋值给系统模型变量,系统按内部建模逻辑运行并产生输出,获取输出在对应位置写入测试用例表格;设计测试报告生成工具。本发明提升了测试数据的生成效率与准确性,形成了从需求捕获到验证分析的完整闭环流程,提升了开发的规范性和一致性,实现了测试用例的自动化执行,并通过自动比对模型输出与预期结果的方式完成验证,能够快速适应复杂系统的需求变更与功能扩展。

    一种大模型驱动的基于顶层需求生成底层需求的方法

    公开(公告)号:CN117992016A

    公开(公告)日:2024-05-07

    申请号:CN202410170846.3

    申请日:2024-02-06

    Abstract: 本发明公开了一种大模型驱动的基于顶层需求生成底层需求的方法,所述方法如下:收集涉及软件工程中跨级别需求追溯的数据;对数据集进行预处理,提取顶层需求关键词作为识别标签;选取大模型,根据其输入要求配置数据处理函数,对输入文本进行格式转换;选择微调方式对大模型进行训练,并记录评估结果;根据记录的结果选择性能最优的Pipeline;封装训练好的大模型,生成可供外部调用的API接口;提取待整理的顶层需求的关键词,在数据库中匹配,若匹配成功,则复用对应的底层需求;若匹配失败则利用大模型生成,由人工整理确认后使用,并将生成需求置入数据库中便于下次复用。本发明提高了底层需求生成的准确性和效率,具有普适性。

Patent Agency Ranking