软件学报

作者：李靓果，薛志一，陈小红，张民，陈良育，李萍萍，姜婷婷

单位：李靓果，上海高可信计算重点实验室 (华东师范大学), 上海 20006211,薛志一，上海高可信计算重点实验室 (华东师范大学), 上海 20006202,陈小红，上海高可信计算重点实验室 (华东师范大学), 上海 20006203,张民，上海高可信计算重点实验室 (华东师范大学), 上海 20006204,陈良育，上海高可信计算重点实验室 (华东师范大学), 上海 20006205,李萍萍，国泰君安证券股份有限公司 数据中心, 上海 20120106,姜婷婷，国泰君安证券股份有限公司 数据中心, 上海 20120107

关键词：证券领域;业务规则;需求规约;大语言模型;领域知识;软件需求

基金：国家自然科学基金(62161146001, 62372176, 62272166); 上海市可信工业互联网软件协同创新中心项目; 上海市“数字丝路”可信智能软件国际联合实验室项目(22510750100)

业务规则在证券领域至关重要, 它们是证券交易系统的需求的来源. 鉴于业务规则的易变性, 如何提升从业务规则交易文档中规约出软件需求的效率, 成为一个核心的问题. 证券业务规则文档具有与软件不相关描述多、专业术语多、上下文相关表述多和抽象表示多等特性, 其自动化规约需要领域相关知识的支持. 如何将领域相关知识融入自动化过程中, 成为规约的关键问题. 提出了一种结合大语言模型和领域知识库的证券领域业务规则自动规约方法, 对大语言模型通过微调、上下文学习等嵌入领域知识执行规则分类和需求信息提取等自然语言处理任务. 此外, 还通过领域知识库提供专业领域知识, 进行需求的可操作化和关系识别, 最终形成数据流形式的需求规约. 评估结果显示, 该方法能够处理各种证券交易领域的业务规则文档, 在评估数据集上的平均功能点识别率为91.97%, 达到甚至超越了领域专家的水平, 与人类参与者相比, 效率平均提高了10倍.

来源：2025年第10期

《软件学报》期刊编辑部

查看软件学报杂志2025年第10期