数据驱动的机器学习软件系统的形式化需求建模工程方法

The quality of data-driven machine learning software, to a large extent, depends on the quality of its requirements analysis. Various characteristics of the data-driven machine learning software differs it from traditional software systems. Unfortunately, basic theories, approaches and technologies of the requirements modeling of the data-driven machine learning software are not adequately mature. The theories and systematic engineering methods for “what to model” and “how to model” are insufficient. To tackle this challenge, we will focus our research of this project on the following important topics: 1) the goals, objects and description mechanisms of the formal modeling for data-driven machine learning software; 2) the theories and engineering procedures for the formal modeling of data-driven machine learning software; 3) requirements validation methods for data-driven machine learning software；and 4) through case studies and experiments, constructing a systematic engineering approach that can guide the practitioner to gradually construct the formal requirements model from the scratch and developing prototype tools for supporting the approach in real practice. We hope that the project will setup the scientific theories for the formal modeling of data-driven machine learning software and demonstrate its merits and values; meanwhile, we also hope that the research results will serve as a firm foundation and reference for guiding the industrial practitioner to carry out formal modeling for data-driven machine learning software in practice.

数据驱动的机器学习软件的需求分析对软件质量具有决定性的作用。数据驱动的机器软件有别于传统软件，存在诸多独特的特征。而当前此类软件的需求工程所涉及的理论、方法和相关技术研究尚处于萌芽阶段。需求描述的对象、需求建模与需求确认的基础理论与系统化的工程方法均十分匮乏。为了应对这一挑战，本课题针对数据驱动的机器学习软件，研究如下重要问题：1)数据驱动的机器学习软件的形式化建模对象和描述机制；2)数据驱动的机器学习软件的形式化需求模型构建过程，并揭示其内在科学原理；3)数据驱动的机器学习软件的需求模型确认方法；4)通过实验评估，构建起能引导工程人员从原始需求出发构建起可靠的形式化需求模型的系统化工程方法，构建起相应的软件支撑工具原型，并在实际系统研发中予以初步应用。该课题对提高数据驱动的机器学习软件的质量有重要理论探索意义，并对此类软件的工程研制提供重要方法学参考，具有良好应用潜力与价值。

数据驱动的机器学习形态的软件有别于传统软件，存在诸多独特的特征。而当前此类软件的需求工程所涉及的理论、方法和相关技术研究尚处于起步阶段。需求描述的对象、需求建模与需求确认的基础理论与系统化的工程方法均十分匮乏。本课题针对数据驱动的机器学习软件为代表的智能软件系统，研究如下问题：1)数据驱动的机器学习软件的形式化建模对象和描述机制；2)数据驱动的机器学习软件的形式化需求模型构建过程；3)数据驱动的机器学习软件的需求模型确认方法；4)构建起能引导工程人员从原始需求出发构建起可靠的形式化需求模型的系统化工程方法。课题项目执行期间按照研究计划，主要取得了如下几方面的研究成果： .1）面向机器学习软件的需求建模机制：提出了一种将数据特征纳入系统模型描述的技术；2）面向机器学习软件的需求建模过程方法：提出了一种多层次的系统模型描述框架；3）面向机器学习及神经网络等智能软件的模型分析方法，提出了以形式化验证为主要手段的模型分析方法；4）软件需求的形式化建模工程方法关键技术：提出了需求仿真及验证等于形式化方法在需求阶段的关键技术。项目对于形式化方法的应用进行了拓展，将其从传统控制软件等领域，进一步向机器学习和神经网络为代表的智能软件系统拓展，对确保智能软件的可信性提出了以形式化理论为引导的方法，取得了一定的理论研究成果。