软件学报:jos:7557 · 记录 #1

基于大语言模型的非功能需求生成方法

来源日期 2025-12-24

来源记录日期 2025-12-24

雷达观测 2026-11-01 16:34

摘要

在软件工程领域中, 非功能需求(non-functional requirement, NFR)获取一直是需求工程实践中的重要内容, 但容易被忽视. 传统的NFR获取方法主要依赖需求工程师的经验和人工分析, 不仅效率低下, 而且容易出现遗漏和不一致. 近年来, 大语言模型在自然语言处理领域取得突破性进展, 为自动化获取非功能需求提供了新的技术手段. 然而, 直接使用大语言模型生成非功能需求常面临知识幻觉、领域专业性不足等问题. 为此, 提出一种基于大语言模型的非功能需求自动获取方法, 实现高质量的非功能需求生成. 构建包含3856条功能需求和5723条非功能需求的结构化关联数据集, 形成22647对FR-NFR关联关系. 通过融合检索增强生成(retrieval-augmented generation, RAG)技术, 构建包含3个核心模块的系统化解决方案: 基于语义相似度的案例检索模块、面向非功能需求生成的提示工程模块和基于大语言模型的需求生成模块. 通过软件工程专家的专业评分和对BLEU、ROUGE等自动评分指标的多维度评估, 实验结果表明该方法在需求完整性、准确性、可测试性和一致性方面优于现有方法.