软件学报

作者：张伯洋，钱巨，唐靖然，卫依

单位：张伯洋，南京航空航天大学 计算机科学与技术学院/软件学院, 江苏 南京 21001611,钱巨，南京航空航天大学 计算机科学与技术学院/软件学院, 江苏 南京 21001602,唐靖然，南京航空航天大学 计算机科学与技术学院/软件学院, 江苏 南京 21001603,卫依，南京航空航天大学 计算机科学与技术学院/软件学院, 江苏 南京 21001604

关键词：协议模型抽取;自然语言理解;大语言模型;提示工程

基金：国防基础科研项目(JCKY2022605C006)

文本协议交互抽取旨在从自然语言形式的说明文档中识别并提取协议有关的交互信息, 其可用于在协议代码实现前抽取模型验证协议的正确性、从协议规格描述构造测试用例等. 当前从文本中抽取协议主要采用深度学习、大语言模型等技术, 深度学习方法依赖大规模的高质量数据集, 且适用范围受限于训练数据集, 存在迁移困难的问题. 现有的大语言模型方法存在提示模板和示例构造较为简单、处理流程欠优化的局限. 针对以上问题, 提出一种增强的基于文本表达特征分析的大语言模型协议交互抽取方法. 首先, 从真实的协议描述案例出发, 总结出协议描述文本中存在的常见语言表达特征; 然后, 提取能够体现这些特征的典型协议描述案例, 提炼用于协议交互抽取的处理规则; 进一步地, 融合案例与规则, 提出一套规则回溯思维链方法; 最后, 使用多路推理和自我验证技术优化任务处理流程. 在多个协议数据集上的实验表明, 所提方法在协议交互的抽取精确率和召回率等方面均优于基线方法, 证实了所提方法的有效性.

来源：2026年第8期

《软件学报》期刊编辑部

查看软件学报杂志2026年第8期