Ứng Dụng Học Máy Để Phát Hiện Ambiguïtés Trong Giai Đoạn Thiết Kế Phần Mềm

• Tác giả: Lesly Roc
• Người hướng dẫn: Bruel Gerançon, PhD
• Trường học: Université Nationale du Vietnam
• Chuyên ngành: Informatique
• Đề tài: Ứng Dụng Học Máy Trong Phát Hiện Ambiguïtés Trong Thiết Kế Phần Mềm
• Loại tài liệu: mémoire de fin d'étude
• Năm xuất bản: 2023
• Địa điểm: Hanoi

• LỜI CAM ĐOAN
• 1. CHAPITRE 1: INTRODUCTION
• 1.1. Question de la recherche
• 1.2. Objectif de recherche
• 2. CHAPITRE 2: Revue Littérature
• 2.1. L'Ingénierie des Exigences
• 2.2. Les documents d’exigences et leur importance
• 2.2.1. Ils sont importants pour plusieurs raisons :
• 2.3. Le Processus d’ingénierie des Exigences : Analyse et Optimisation
• 2.4. Étapes de l'ingénierie des exigences
• 2.5. Les principes de l'Ingénierie des Exigences
• 2.6. Analyse des besoins :
• 2.6.1. Objectifs de l'analyse des besoins :
• 2.7. Documentation/spécification des exigences :
• 2.8. Quelques conseils pour les exigences de rédaction :
• 2.9. Validation des exigences :
• 2.10. Techniques de Validation
• 2.11. Exigences de Qualités
• 2.12. Ambiguïtés des exigences logicielles
• 2.13. Le traitement automatique du langage naturel
• 2.13.1. Segmentation de phrases
• 2.14. Présentation du GPT-3 l’approche LNP utilisé dans le cadre de cette recherche
• 2.14.1. Pourquoi le choix du GPT-3 D’open AI
• 2.15. Technique de rédaction d’exigences logicielles
• 2.15.1. Les Cas d’utilisation (Use Cases)
• 2.15.2. Les récits d’utilisation (User Stories)
• 2.15.3. Exemple de rédaction d’un cas d’utilisation
• 2.15.4. Limites des approches, méthodes ou techniques de rédaction d’exigences du logiciel
• 2.15.5. Spécification des exigences logicielles avec l’approche par triplets
• 2.15.5.1. Présentation de la méthodologie adoptée
• 2.15.6. Évaluation des techniques de rédaction des exigences logicielles
• 2.15.6.1. Choix de la technique par triplets pour la conception de notre outil
• 2.15.6.2. Conception d'un outil basé sur l'approche par triplet
• 2.15.6.3. Evaluation de l’outil
• 2.15.7. Résultats de l'Évaluation
• 4. CHAPITRE 4: Implémentation de la solution
• 4.1. Environnement de développement
• 4.1.1. Langage de Programmation Python
• 4.1.2. Caractéristiques du langage de développement Python
• 4.3. Les différentes étapes de l’implémentation de la solution
• 4.3.1. Installation et dépendances
• 4.3.2. Conception de l’interface utilisateur
• 4.3.3. Génération de couleurs aléatoires
• 4.3.6. Logique principale de l’application
• 4.3.8. Aperçu de l'algorithme
• 4.5. Ensemble de données
• 4.5.6. Création et Entraînement du Modèle
• 4.5.7. Architecture du Système
• 4.5.8. Flux de fonctionnement de l'application
• 5. CHAPITRE 5: Evaluation et Analyse Résultats
• 5.1. Présentation de l'outil logiciel "The Roc Ambiguity Detect"
• 5.3. Objectifs de l'outil
• 5.3.1. Détection Automatisée des Ambiguïtés
• 5.3.3. Augmentation de la Qualité des Spécifications
• 5.3.4. Gain de Temps et d'Efforts
• 5.3.5. Support pour la Conformité aux Normes
• 5.4. Problèmes Résolus par "The Roc Ambiguity Detect"
• 5.5. Fonctionnalités de l’outil
• 5.5.1. Importer un Document ou Écrire un Texte
• 5.5.2. Analyse des Ambiguïtés
• 5.6. Détails des Ambiguïtés
• 5.8. Évaluation de l'outil
• 5.8.2. Collecte de données
• 5.9. Synthèse des résultats
• 5.10. Réponses aux Questions de Recherche
• Conclusion, Contribution, Perspectives et limites de Recherche

I. Tổng Quan Về Ứng Dụng Học Máy Phát Hiện Mơ Hồ Phần Mềm

Phát triển phần mềm là một quy trình phức tạp, bao gồm nhiều giai đoạn liên kết chặt chẽ. Giai đoạn xác định yêu cầu đóng vai trò then chốt. Việc phát hiện lỗi sớm giúp giảm chi phí sửa chữa đáng kể. Kỹ thuật phần mềm yêu cầu là nền tảng cho mọi hệ thống thành công. Nó chuyển đổi nhu cầu của các bên liên quan thành các đặc tả chi tiết. Các đặc tả này bao gồm các chức năng, hiệu suất, ràng buộc và hành vi mong muốn. Việc bỏ sót hoặc hiểu sai các yêu cầu có thể dẫn đến các lỗi nghiêm trọng. Theo Standish Group, các dự án thất bại do các đặc tả không đầy đủ, không rõ ràng hoặc mơ hồ. Cụ thể, một nghiên cứu của Yves Généraux & Ken Nathan chỉ ra rằng 50% lỗi phát sinh trong giai đoạn đặc tả, nhưng chỉ 4% lỗi được phát hiện ở giai đoạn này. Do đó, cần có một giải pháp hiệu quả để phát hiện và giải quyết các mơ hồ trong giai đoạn đầu của vòng đời phát triển phần mềm. Việc này sẽ giảm thiểu chi phí phát triển dự án một cách đáng kể.

1.1. Tầm quan trọng của phát hiện mơ hồ trong thiết kế phần mềm

Việc phát hiện mơ hồ sớm có ý nghĩa rất lớn đối với chất lượng và chi phí của dự án phần mềm. Theo các nghiên cứu, chi phí sửa lỗi trong giai đoạn triển khai có thể cao gấp 100 lần so với việc sửa lỗi trong giai đoạn yêu cầu. Điều này cho thấy tầm quan trọng của việc đầu tư vào các phương pháp và công cụ để phát hiện mơ hồ sớm trong quy trình phát triển phần mềm. Ngoài ra, việc tuân thủ các tiêu chuẩn quốc tế, đặc biệt trong các hệ thống quan trọng như hệ thống đường sắt, đòi hỏi các tài liệu phải rõ ràng, chính xác và không mơ hồ. Vì vậy, việc phát hiện mơ hồ không chỉ là vấn đề kinh tế mà còn là vấn đề an toàn và tuân thủ.

1.2. Vấn đề về tài liệu yêu cầu bằng ngôn ngữ tự nhiên

Mặc dù việc sử dụng ngôn ngữ tự nhiên để viết tài liệu yêu cầu giúp các bên liên quan dễ dàng hiểu và tham gia vào quy trình, nó cũng mang lại những thách thức riêng. Ngôn ngữ tự nhiên vốn dĩ có tính mơ hồ, và điều này có thể dẫn đến nhiều cách hiểu khác nhau về cùng một yêu cầu. Những cách hiểu khác nhau này có thể gây ra sự không nhất quán trong thiết kế và triển khai, dẫn đến lỗi và sự chậm trễ. Do đó, cần có các công cụ và kỹ thuật để phân tích tài liệu yêu cầu bằng ngôn ngữ tự nhiên và xác định các khu vực có khả năng mơ hồ.

II. Thách Thức Mơ Hồ Ngữ Nghĩa Gây Rủi Ro Trong Thiết Kế

Trong phát triển phần mềm, tài liệu đặc tả yêu cầu phần mềm (SRS) đóng vai trò quan trọng. Nó cung cấp mô tả chi tiết về các yêu cầu chức năng và phi chức năng. SRS giúp các nhà phân tích hiểu rõ nhu cầu của khách hàng. Nó cũng là cơ sở cho các phần mềm khác. Tuy nhiên, viết các đặc tả rõ ràng và không có mơ hồ là một thách thức lớn. Việc thiếu hoặc vội vàng trong chuẩn bị các đặc tả có thể dẫn đến hiểu sai các nhu cầu nghiệp vụ và các yêu cầu kỹ thuật. Nghiên cứu cho thấy rằng gần 87,7% các yêu cầu phần mềm được ghi lại bằng ngôn ngữ tự nhiên. Chất lượng của SRS ảnh hưởng lớn đến thành công hay thất bại của dự án. Trong đó, một trong những thước đo chất lượng là SRS phải không có mơ hồ. Tuy nhiên, hầu hết các SRS NL chứa các yêu cầu mơ hồ, có thể ảnh hưởng tiêu cực đến toàn bộ quy trình phát triển phần mềm. Do đó, cần thiết phải có một khám phá sâu hơn về ứng dụng của Xử lý ngôn ngữ tự nhiên (NLP).

2.1. Tác động tiêu cực của mơ hồ đến quy trình phát triển phần mềm

Mơ hồ trong tài liệu yêu cầu có thể dẫn đến nhiều vấn đề nghiêm trọng. Nó có thể gây ra sự hiểu lầm giữa các thành viên trong nhóm phát triển, dẫn đến việc triển khai các tính năng không chính xác hoặc không đầy đủ. Nó cũng có thể dẫn đến sự chậm trễ và vượt quá ngân sách, vì cần phải làm lại và sửa lỗi. Nghiêm trọng hơn, nó có thể dẫn đến các lỗ hổng bảo mật và các vấn đề về tuân thủ. Do đó, việc loại bỏ mơ hồ khỏi tài liệu yêu cầu là rất quan trọng để đảm bảo thành công của dự án phần mềm.

2.2. Ưu tiên hàng đầu Loại bỏ mơ hồ trong yêu cầu phần mềm

Loại bỏ mơ hồ không chỉ là một mục tiêu, mà còn là một ưu tiên hàng đầu. Các nhà quản lý, nhà phân tích và nhà nghiên cứu đều đồng ý rằng việc giảm thiểu mơ hồ trong tài liệu yêu cầu là rất quan trọng để đảm bảo chất lượng và hiệu quả của quy trình phát triển phần mềm. Điều này đòi hỏi sự chú ý cẩn thận đến chi tiết, cũng như việc sử dụng các công cụ và kỹ thuật phù hợp. Học máy có thể đóng một vai trò quan trọng trong việc tự động hóa quá trình này và giúp các nhà phát triển phát hiện và loại bỏ mơ hồ một cách hiệu quả hơn.

III. Giải Pháp Phát Hiện Mơ Hồ Tự Động Bằng Học Máy Và NLP

Mục tiêu chính của nghiên cứu này là tận dụng những tiến bộ trong Xử lý ngôn ngữ tự nhiên để thiết kế các mô hình có thể xác định sớm các mơ hồ cụ thể trong các đặc tả phần mềm. Các kỹ thuật viết tài liệu đặc tả phần mềm hiện tại trong ngành vẫn chưa đủ để giảm các lỗi trong giai đoạn đặc tả. Gần 50% các lỗi phần mềm, thường là do lỗi mơ hồ, được đưa vào giai đoạn này. Vấn đề của nghiên cứu này nằm ở mơ hồ của các yêu cầu phần mềm, cản trở việc giải thích thống nhất bởi nhóm phát triển và các bên liên quan. Dự án nghiên cứu này hướng đến thiết kế một công cụ cho phép phát hiện tự động các lỗi phần mềm trong giai đoạn đặc tả, từ đó cải thiện chất lượng của các yêu cầu phần mềm. Công cụ này sẽ khai thác các kỹ thuật Xử lý ngôn ngữ tự nhiên, giảm / sửa các lỗi mơ hồ ngay trong giai đoạn đặc tả.

3.1. Tận dụng sức mạnh của NLP để phân tích đặc tả phần mềm

Việc sử dụng NLP cho phép phân tích sâu sắc hơn về các đặc tả phần mềm. Bằng cách sử dụng các kỹ thuật như phân tích cú pháp và ngữ nghĩa, có thể xác định các cấu trúc câu và các mối quan hệ giữa các từ và cụm từ. Điều này giúp phát hiện các vấn đề tiềm ẩn như mơ hồ ngữ nghĩa, nơi một câu có thể có nhiều cách hiểu khác nhau. Ngoài ra, NLP có thể được sử dụng để phát hiện các vấn đề về phong cách và giọng điệu, giúp đảm bảo rằng các đặc tả phần mềm được viết một cách rõ ràng, ngắn gọn và dễ hiểu.

3.2. Phát triển mô hình học máy để nhận dạng và giải quyết mơ hồ

Học máy cung cấp các thuật toán mạnh mẽ có thể được đào tạo để nhận dạng các mẫu và xu hướng trong dữ liệu. Trong bối cảnh phát hiện mơ hồ, các mô hình học máy có thể được đào tạo để nhận dạng các loại câu và cụm từ thường liên quan đến mơ hồ. Các mô hình này có thể được sử dụng để tự động gắn cờ các khu vực có vấn đề trong các đặc tả phần mềm, cho phép các nhà phát triển tập trung nỗ lực vào việc giải quyết các vấn đề quan trọng nhất. Hơn nữa, học máy có thể được sử dụng để đề xuất các cách diễn đạt lại các câu mơ hồ, giúp đảm bảo rằng các yêu cầu được hiểu một cách nhất quán.

IV. Phương Pháp Tiếp Cận Bằng Bộ Ba Triplets Cho Phát Hiện Mơ Hồ

Kỹ thuật phần mềm yêu cầu (IE) là yếu tố then chốt để đánh giá thành công của dự án phát triển phần mềm. Nó đo lường sự phù hợp giữa các yêu cầu được xác định và nhu cầu thực tế. Điều quan trọng là tài liệu này phản ánh chính xác nhu cầu của người dùng. Thành công của dự án phụ thuộc nhiều vào việc xác định chính xác các yêu cầu từ người dùng và đặc tả chúng thông qua một phương pháp phù hợp đảm bảo thiết kế không mơ hồ. Mơ hồ trong tài liệu đặc tả yêu cầu phần mềm (SEL) có thể gây ra các vấn đề lớn trong toàn bộ quy trình phát triển phần mềm. Việc các nhà phát triển hiểu sai các yêu cầu có thể dẫn đến các lỗi (thiết kế, chức năng, logic, hiệu suất, yêu cầu hoặc giao diện người dùng).

4.1. Phân tích sâu sắc về các kỹ thuật viết đặc tả phần mềm

Nghiên cứu đánh giá các kỹ thuật khác nhau được sử dụng để viết đặc tả phần mềm. Ví dụ, việc sử dụng các trường hợp sử dụng (use cases) và các câu chuyện người dùng (user stories) là phổ biến. Tuy nhiên, mỗi kỹ thuật đều có những điểm mạnh và điểm yếu riêng. Việc hiểu rõ những điểm mạnh và điểm yếu này là rất quan trọng để chọn kỹ thuật phù hợp nhất cho một dự án cụ thể. Ngoài ra, nghiên cứu cũng xem xét các phương pháp tiếp cận mới như sử dụng các bộ ba (triplets) để mô tả các yêu cầu một cách rõ ràng và không mơ hồ.

4.2. Ưu điểm của phương pháp tiếp cận bằng bộ ba triplets

Phương pháp tiếp cận bằng bộ ba (triplets) tập trung vào việc xác định các thành phần chính của một yêu cầu: chủ thể (subject), hành động (action) và đối tượng (object). Bằng cách xác định rõ ràng các thành phần này, có thể giảm thiểu mơ hồ và đảm bảo rằng các yêu cầu được hiểu một cách nhất quán. Ví dụ, thay vì viết "Người dùng có thể xem thông tin," có thể viết "Người dùng (chủ thể) có thể xem (hành động) thông tin tài khoản (đối tượng)." Phương pháp tiếp cận này cung cấp một cấu trúc rõ ràng và nhất quán để viết các yêu cầu, giúp giảm mơ hồ và cải thiện chất lượng của đặc tả phần mềm.

V. Ứng Dụng Công Cụ The Roc Ambiguity Detect Phát Hiện Lỗi Tự Động

Công cụ phần mềm 'The Roc Ambiguity Detect' được phát triển để tự động phát hiện mơ hồ. Mục tiêu chính của công cụ là tăng cường chất lượng các đặc tả. Công cụ này giúp tiết kiệm thời gian và công sức. Đồng thời, nó hỗ trợ tuân thủ các tiêu chuẩn. Công cụ này giải quyết các vấn đề bằng cách phát hiện các mơ hồ một cách tự động, tăng cường chất lượng của các đặc tả, tiết kiệm thời gian và công sức, hỗ trợ tuân thủ các tiêu chuẩn. Công cụ này có các chức năng như: nhập tài liệu hoặc viết văn bản, phân tích các mơ hồ, và cung cấp chi tiết về các mơ hồ.

5.1. Lợi ích của công cụ phát hiện mơ hồ tự động

Công cụ phát hiện mơ hồ tự động cung cấp nhiều lợi ích so với các phương pháp thủ công. Nó giúp giảm thời gian và công sức cần thiết để phân tích các đặc tả phần mềm. Nó cũng giúp tăng độ chính xác và nhất quán của quy trình phát hiện mơ hồ. Hơn nữa, nó có thể được tích hợp vào quy trình phát triển phần mềm hiện có, giúp các nhà phát triển phát hiện và giải quyết mơ hồ một cách dễ dàng hơn.

5.2. Các tính năng chính của công cụ The Roc Ambiguity Detect

Công cụ 'The Roc Ambiguity Detect' cung cấp một loạt các tính năng được thiết kế để giúp các nhà phát triển phát hiện và giải quyết mơ hồ trong các đặc tả phần mềm. Các tính năng này bao gồm: khả năng nhập tài liệu từ nhiều nguồn khác nhau, phân tích tự động các đặc tả để xác định các khu vực có khả năng mơ hồ, và cung cấp thông tin chi tiết về các mơ hồ được phát hiện, bao gồm vị trí, loại và cách giải quyết. Công cụ này cũng cho phép người dùng xem và chỉnh sửa các đặc tả, giúp họ giải quyết mơ hồ một cách dễ dàng và hiệu quả.

VI. Kết Luận Học Máy Nâng Cao Chất Lượng Thiết Kế Phần Mềm

Nghiên cứu cho thấy ứng dụng học máy vào phát hiện mơ hồ trong thiết kế phần mềm có tiềm năng lớn. Các phương pháp và công cụ được phát triển có thể giúp các nhà phát triển cải thiện chất lượng của các đặc tả, giảm thiểu rủi ro và tiết kiệm chi phí. Các kết quả cho thấy mô hình bộ ba (triplets) có thể xác định các mơ hồ và lỗi phần mềm trong các tài liệu đặc tả. Tỷ lệ phát hiện là 92,30% cho các tài liệu yêu cầu bằng tiếng Pháp và 100% cho các tài liệu đặc tả bằng tiếng Anh, cho thấy tiềm năng của phương pháp này. Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện độ chính xác và khả năng mở rộng của các mô hình học máy, cũng như tích hợp chúng vào quy trình phát triển phần mềm hiện có.

6.1. Đóng góp và triển vọng của nghiên cứu trong tương lai

Nghiên cứu này đóng góp vào lĩnh vực kỹ thuật phần mềm bằng cách cung cấp một phương pháp tiếp cận mới để phát hiện mơ hồ trong các đặc tả phần mềm. Các kết quả thu được cho thấy rằng học máy có thể là một công cụ mạnh mẽ để cải thiện chất lượng của các đặc tả và giảm thiểu rủi ro trong quá trình phát triển phần mềm. Trong tương lai, nghiên cứu có thể được mở rộng để khám phá các thuật toán học máy khác nhau, cũng như tích hợp các công cụ phát hiện mơ hồ vào các quy trình phát triển phần mềm hiện có.

6.2. Hạn chế của nghiên cứu và hướng cải thiện

Mặc dù nghiên cứu này hứa hẹn, nhưng nó cũng có một số hạn chế. Ví dụ, các mô hình học máy được sử dụng có thể cần được tinh chỉnh để hoạt động tốt trên các loại đặc tả phần mềm khác nhau. Ngoài ra, cần phải có thêm nghiên cứu để đánh giá hiệu quả của các công cụ phát hiện mơ hồ trong các dự án phát triển phần mềm thực tế. Các hướng cải thiện bao gồm việc sử dụng các kỹ thuật học máy tiên tiến hơn, cũng như kết hợp các yếu tố ngữ cảnh bổ sung vào quy trình phát hiện mơ hồ.

Tổng quan nghiên cứu

Phát triển phần mềm là một quá trình phức tạp với nhiều giai đoạn liên kết chặt chẽ, trong đó giai đoạn kỹ thuật yêu cầu đóng vai trò then chốt. Theo báo cáo của ngành, khoảng 71% các dự án phần mềm thất bại do lỗi trong kỹ thuật yêu cầu, trong đó 50% lỗi phát sinh ngay từ giai đoạn đặc tả yêu cầu. Việc phát hiện lỗi muộn có thể làm tăng chi phí sửa chữa lên đến 100 lần so với phát hiện sớm. Đặc biệt trong các hệ thống quan trọng như ngành đường sắt, việc tuân thủ các tiêu chuẩn quốc tế đòi hỏi tài liệu yêu cầu phải rõ ràng, chính xác và không mơ hồ. Tuy nhiên, phần lớn các tài liệu này được viết bằng ngôn ngữ tự nhiên, dễ dẫn đến các mơ hồ và sai sót trong quá trình phát triển. Mục tiêu nghiên cứu của luận văn là phát triển một công cụ ứng dụng học máy và xử lý ngôn ngữ tự nhiên (NLP) để tự động phát hiện các mơ hồ trong tài liệu đặc tả yêu cầu phần mềm, từ đó nâng cao chất lượng tài liệu và giảm thiểu rủi ro dự án. Nghiên cứu tập trung vào việc áp dụng mô hình triplet (chủ ngữ, vị ngữ, tân ngữ) để phân tích và phát hiện mơ hồ trong các tài liệu yêu cầu viết bằng tiếng Pháp và tiếng Anh, với phạm vi nghiên cứu tại Việt Nam và Pháp trong giai đoạn 2021-2023. Việc phát hiện sớm các lỗi mơ hồ không chỉ giúp giảm chi phí sửa chữa mà còn tăng tính tuân thủ tiêu chuẩn, cải thiện hiệu quả phát triển và chất lượng sản phẩm phần mềm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: kỹ thuật yêu cầu phần mềm (Requirements Engineering - RE) và xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP). RE là quá trình thu thập, phân tích, đặc tả và xác nhận các yêu cầu phần mềm, đóng vai trò nền tảng cho toàn bộ chu trình phát triển phần mềm. Các khái niệm chính bao gồm: đặc tả yêu cầu phần mềm (Software Requirements Specification - SRS), các loại yêu cầu chức năng và phi chức năng, cũng như các tiêu chí chất lượng như tính rõ ràng, không mơ hồ, khả năng kiểm thử và tính nhất quán. NLP được ứng dụng để phân tích ngôn ngữ tự nhiên trong tài liệu yêu cầu, bao gồm các kỹ thuật phân đoạn câu, phân tích cú pháp, phân tích ngữ nghĩa và mô hình ngôn ngữ. Mô hình triplet (chủ ngữ, vị ngữ, tân ngữ) được sử dụng để biểu diễn các yêu cầu một cách cấu trúc, giúp phát hiện các mơ hồ ngữ nghĩa và cú pháp. Ngoài ra, mô hình GPT-3 của OpenAI được lựa chọn làm nền tảng học máy nhờ khả năng hiểu ngữ cảnh và xử lý ngôn ngữ tự nhiên vượt trội, hỗ trợ phát hiện mơ hồ chính xác và hiệu quả.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp Design Science Research, gồm bốn bước chính: (1) phân tích và đánh giá các kỹ thuật hiện tại trong việc đặc tả yêu cầu phần mềm; (2) lựa chọn và áp dụng mô hình triplet làm cơ sở thiết kế công cụ phát hiện mơ hồ; (3) phát triển công cụ "The Roc Ambiguity Detect" sử dụng Python, tích hợp GPT-3 và thư viện Streamlit để xây dựng giao diện người dùng; (4) đánh giá công cụ trên ba bộ tài liệu đặc tả yêu cầu thực tế viết bằng tiếng Pháp và tiếng Anh. Cỡ mẫu gồm ba bộ tài liệu đặc tả với tổng số câu lên đến vài trăm, được lựa chọn ngẫu nhiên từ các dự án phần mềm khác nhau. Phân tích dữ liệu dựa trên so sánh tỷ lệ phát hiện mơ hồ của công cụ với kết quả đánh giá thủ công của chuyên gia. Timeline nghiên cứu kéo dài gần hai năm, từ 2021 đến 2023, với các giai đoạn thu thập dữ liệu, phát triển công cụ, thử nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tỷ lệ lỗi mơ hồ trong tài liệu đặc tả yêu cầu: Khoảng 50% các lỗi phần mềm phát sinh từ giai đoạn đặc tả, trong đó mơ hồ chiếm phần lớn nguyên nhân. Công cụ phát hiện mơ hồ đạt tỷ lệ chính xác 92,3% trên tài liệu tiếng Pháp và 100% trên tài liệu tiếng Anh, cho thấy hiệu quả vượt trội so với phương pháp thủ công.

2. Hiệu quả của mô hình triplet: Việc biểu diễn yêu cầu dưới dạng triplet giúp phát hiện các mơ hồ ngữ nghĩa và cú pháp một cách rõ ràng, giảm thiểu các lỗi do diễn giải sai. So với các phương pháp truyền thống như Use Cases hay User Stories, mô hình triplet cho phép tự động hóa và chuẩn hóa quá trình phân tích yêu cầu.

3. Tác động của công cụ đến chất lượng tài liệu: Sử dụng công cụ giúp tăng tính rõ ràng, nhất quán và khả năng kiểm thử của tài liệu yêu cầu, giảm thiểu các tranh cãi và sai sót trong quá trình phát triển phần mềm. So sánh với các dự án không sử dụng công cụ, dự án áp dụng công cụ có tỷ lệ lỗi phát sinh trong giai đoạn phát triển giảm khoảng 30%.

4. Tiết kiệm thời gian và chi phí: Phát hiện sớm mơ hồ giúp giảm chi phí sửa lỗi lên đến 100 lần so với phát hiện muộn. Công cụ giúp giảm thời gian rà soát tài liệu yêu cầu xuống còn khoảng 40% so với phương pháp thủ công.

Thảo luận kết quả

Nguyên nhân chính của mơ hồ trong tài liệu yêu cầu là do sử dụng ngôn ngữ tự nhiên không chuẩn hóa, thiếu cấu trúc rõ ràng và sự đa nghĩa của từ ngữ. Mô hình triplet cung cấp một cấu trúc ngữ pháp đơn giản nhưng hiệu quả, giúp phân tách rõ ràng các thành phần của yêu cầu, từ đó giảm thiểu sự hiểu sai. Kết quả nghiên cứu phù hợp với các báo cáo trước đây về tầm quan trọng của phát hiện sớm lỗi yêu cầu và lợi ích của NLP trong kỹ thuật yêu cầu. Việc áp dụng GPT-3 giúp nâng cao khả năng nhận diện mơ hồ nhờ khả năng hiểu ngữ cảnh sâu sắc, vượt trội hơn các phương pháp dựa trên quy tắc cứng nhắc. Biểu đồ so sánh tỷ lệ phát hiện mơ hồ giữa công cụ và phương pháp thủ công minh họa rõ sự vượt trội của công cụ, đồng thời bảng thống kê chi phí sửa lỗi theo giai đoạn phát hiện cho thấy lợi ích kinh tế rõ rệt. Kết quả này có ý nghĩa quan trọng trong việc nâng cao chất lượng phát triển phần mềm, đặc biệt trong các hệ thống yêu cầu độ tin cậy cao như ngành đường sắt.

Đề xuất và khuyến nghị

1. Áp dụng công cụ phát hiện mơ hồ trong quy trình kỹ thuật yêu cầu: Các tổ chức phát triển phần mềm nên tích hợp công cụ "The Roc Ambiguity Detect" vào giai đoạn đặc tả yêu cầu để phát hiện và xử lý mơ hồ kịp thời, nhằm nâng cao chất lượng tài liệu và giảm thiểu rủi ro dự án. Thời gian thực hiện: ngay trong các dự án hiện tại.

2. Đào tạo nhân sự về kỹ thuật viết yêu cầu theo mô hình triplet: Tổ chức các khóa đào tạo cho các nhà phân tích và kỹ sư phần mềm về cách viết yêu cầu rõ ràng, ngắn gọn theo cấu trúc triplet để giảm thiểu mơ hồ và tăng tính tự động hóa trong phân tích. Thời gian thực hiện: trong vòng 6 tháng.

3. Phát triển thêm các tính năng mở rộng cho công cụ: Nâng cấp công cụ để hỗ trợ đa ngôn ngữ, tích hợp với các hệ thống quản lý dự án và kiểm thử tự động, nhằm tăng tính ứng dụng và hiệu quả trong môi trường phát triển phần mềm đa dạng. Thời gian thực hiện: 12 tháng tiếp theo.

4. Khuyến khích nghiên cứu và ứng dụng NLP trong kỹ thuật yêu cầu: Các viện nghiên cứu và doanh nghiệp nên đầu tư nghiên cứu sâu hơn về NLP và học máy để phát triển các giải pháp tự động hóa nâng cao, góp phần cải thiện chất lượng phần mềm và giảm chi phí phát triển. Thời gian thực hiện: liên tục.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý dự án phần mềm: Giúp hiểu rõ tầm quan trọng của kỹ thuật yêu cầu và lợi ích của việc phát hiện sớm mơ hồ, từ đó áp dụng các công cụ và phương pháp phù hợp để giảm thiểu rủi ro và chi phí dự án.

2. Kỹ sư phân tích và thiết kế phần mềm: Cung cấp kiến thức về mô hình triplet và kỹ thuật NLP để nâng cao kỹ năng viết và phân tích yêu cầu, giúp tạo ra tài liệu đặc tả chất lượng cao, dễ hiểu và dễ kiểm thử.

3. Nhà nghiên cứu và sinh viên ngành công nghệ thông tin: Là tài liệu tham khảo quý giá về ứng dụng học máy và NLP trong kỹ thuật yêu cầu, đồng thời cung cấp phương pháp nghiên cứu khoa học và phát triển công cụ thực tiễn.

4. Doanh nghiệp phát triển phần mềm trong các lĩnh vực yêu cầu cao: Như ngành đường sắt, hàng không, y tế, nơi yêu cầu tuân thủ tiêu chuẩn nghiêm ngặt và chất lượng phần mềm cao, giúp cải thiện quy trình phát triển và đảm bảo an toàn, hiệu quả.

Câu hỏi thường gặp

1. Tại sao cần phát hiện mơ hồ trong tài liệu yêu cầu phần mềm?
   Mơ hồ trong tài liệu yêu cầu dẫn đến hiểu sai, gây lỗi trong thiết kế và phát triển, làm tăng chi phí sửa chữa và nguy cơ thất bại dự án. Phát hiện sớm giúp giảm thiểu rủi ro và nâng cao chất lượng sản phẩm.

2. Mô hình triplet là gì và tại sao được sử dụng?
   Mô hình triplet biểu diễn yêu cầu dưới dạng ba thành phần: chủ ngữ (người hoặc hệ thống thực hiện), vị ngữ (hành động) và tân ngữ (đối tượng hành động). Cấu trúc này giúp đơn giản hóa và chuẩn hóa yêu cầu, giảm mơ hồ và hỗ trợ tự động hóa phân tích.

3. GPT-3 hỗ trợ phát hiện mơ hồ như thế nào?
   GPT-3 là mô hình ngôn ngữ lớn có khả năng hiểu ngữ cảnh và phân tích ngôn ngữ tự nhiên sâu sắc, giúp nhận diện các câu có thể gây hiểu nhầm hoặc đa nghĩa, từ đó hỗ trợ phát hiện mơ hồ chính xác hơn các phương pháp truyền thống.

4. Công cụ "The Roc Ambiguity Detect" có thể áp dụng cho những loại tài liệu nào?
   Công cụ phù hợp với các tài liệu đặc tả yêu cầu phần mềm viết bằng ngôn ngữ tự nhiên, đặc biệt là tiếng Pháp và tiếng Anh, có thể mở rộng cho các ngôn ngữ khác trong tương lai.

5. Làm thế nào để tích hợp công cụ này vào quy trình phát triển phần mềm hiện tại?
   Công cụ có giao diện web thân thiện, dễ sử dụng, có thể được tích hợp vào giai đoạn đặc tả yêu cầu để rà soát tài liệu trước khi chuyển sang thiết kế và phát triển, giúp phát hiện và sửa lỗi mơ hồ kịp thời.

Kết luận

• Phát hiện sớm mơ hồ trong tài liệu yêu cầu phần mềm là yếu tố then chốt giúp giảm chi phí và nâng cao chất lượng dự án.
• Mô hình triplet cung cấp cấu trúc đơn giản, hiệu quả để biểu diễn và phân tích yêu cầu, giảm thiểu mơ hồ.
• Công cụ ứng dụng GPT-3 đạt tỷ lệ phát hiện mơ hồ lên đến 92,3% (tiếng Pháp) và 100% (tiếng Anh), chứng minh tính khả thi và hiệu quả.
• Việc áp dụng công cụ giúp tiết kiệm thời gian, chi phí và tăng tính tuân thủ tiêu chuẩn trong phát triển phần mềm.
• Các bước tiếp theo bao gồm mở rộng tính năng công cụ, đào tạo nhân sự và nghiên cứu sâu hơn về NLP trong kỹ thuật yêu cầu.

Hãy áp dụng công cụ và phương pháp này để nâng cao chất lượng tài liệu yêu cầu và thành công cho dự án phần mềm của bạn!