1. 発表論文
• タイトル
「Automatic Detection of Nocuous Coordination
Ambiguities in Natural Language Requirements」
• 著者
– Hui Yang、Alistair Willis、Anne De Roeck、Bashar Nuseibeh
• 出典
– Automated Software Engineering（ASE） 2010
0

2. 概要
• 目的：要求文書から、「あいまいさ」を検出
するため
• 手法：あいまいさを含む文を抽出し、
有毒であるかどうかを判別
• 結果：精度よく有毒なあいまいさを検出できた
1

3. 背景
要求文書：自然言語で記述
自然言語には「あいまいさ」がある
あいまいさは、利害関係者間に「誤解」を生む
要求分析工程の誤解は、下流工程に響く
2

4. コーディネートのあいまいさ
• 「and」、「or」によって生じるあいまいさ
They support a typing system for
architectural components and connectors.
1. architectural components
and connectors 接続 低
2. architectural components
and architectural connectors 接続 高
3

5. 有毒なあいまいさ
They support a typing system for
architectural components and connectors.
低：10
高：7 （17人中） 有害
It is described the size of
vector-based input and output.
低：1
高：16 （17人中） 無害
4

6. NAIツール
（Nocuous Ambiguity Identification Tool）
• 「有毒なあいまいさ」を特定
テキスト前処理モジュール
あいまい文検出モジュール
コーディネート構成抽出モジュール
有毒・無毒分類モジュール 5

7. NAIツール（テキスト前処理モジュール）
• 文の境界を探索し、文を判別
• 単語と連語を区別
• POSタグ（名詞、動詞、形容詞、副詞etc）
をつける
Stanford parser （既存）を利用
6

8. NAIツール（あいまい文検出モジュール1）
c：「and」や「or」 下線：修飾子
n：名詞 adj：形容詞的に修飾
v：動詞 adv：副詞的に修飾
p：前置詞 nn：名詞的に修飾 7

9. NAIツール（あいまい文検出モジュール2）
• 要求文書中で、あいまい文のパターンに合う文
を抽出
要求文書 要求文書中の
（POSタグ付き） あいまい文
適合
抽出
あいまい文のパターン
8

10. NAIツール
（コーディネート構成抽出モジュール）
• 単語の位置とPOSタグで、2つの解釈を検出
位置 architectural components and connectors
POS 修飾子 n1 c n2
1. architectural components and connectors
2. architectural components and architectural connectors
9

11. NAIツール（有毒・無毒分類モジュール1）
あいまい文が138コある要求文書で、
17人の専門家（情報工学研究者やスタッフ）が、
• HA（両方を修飾している）
• LA（片方を修飾している）
• A（どちらとも言えない）
のどれかを選択
10

12. NAIツール（有毒・無毒分類モジュール2）
• 分類機の学習アルゴリズムは、
LogitBoost（既存）に決定
– decision trees, J48, Naive Bayes, SVM,
Logistic Regression より良かった
• 分類機の閾値は可変に
– グレー：無毒
– 黒：有毒
11

13. NAIツールの評価（概要）
• 138コのうち90%を学習、残りの10%を評価
• 再現率と適合率を評価
R：再現率 TP：特定できた有害なあいまいさ
P：適合率 FN：特定できなかった有害なあいまいさ
FP：有害だと判断された無害なあいまいさ
12

14. NAIツールの評価（結果）
• 適合率（P）：約80%
• 再現率（R）：
→閾値75%～は100%
（適合率はほぼ不変）
→閾値40～50%は悪い
13

15. 結論
要求文書からあいまい文を抽出
あいまい文が有毒かどうか判別
有毒なあいまいさを特定できた
14

16. 私見
長所
• あいまいさには、有毒なものと無毒なものがある
ことを見つけ出した
• 適合率・再現率ともに良い精度となった
• 読んでいて楽しい
短所
• NAIツールのコーディネート構成抽出モジュール
の説明が浅い（もう少し詳細に記述してほしい）
15