Browse Prior Art Database

SRS creation including gap identification from converstations

IP.com Disclosure Number: IPCOM000234677D
Publication Date: 2014-Jan-28
Document File: 4 page(s) / 128K

Publishing Venue

The IP.com Prior Art Database

Abstract

Disclosed herein is an approach for SRS creation including gap identification from converstations using various natural language techniques

This text was extracted from a PDF file.
This is the abbreviated version, containing approximately 32% of the total text.

Page 01 of 4

SRS creation including gap identification from converstations

Background  

When creating requirements for a project or a product, requirements are often expressed at a high  level in a Request for Proposal(RFP) written in a natural language. Deep dive into details or  clarifications on the initial requirements are done through conversation in various forms  including but not limited to chat, e­mails, over telephonic conf. call or video conferencing etc.  The proposed approach details the methodology to capture these information in a structured way  in a formal document called Software Requirement Specification (SRS) taking RFP and  conversation(s) as an input and to use Natural language processing and other Knowledge  base(KB) to automatically extract requirements.

Doing it this way results in following potential problems/issue


1. Increased chances of requirements being missed to be documented due to manual oversight.


2.  Manual intervention in coming up with the initial draft of the SRS by collating information  from various sources.


3. Manual effort  

Drawbacks of some of known Solutions

1. For generating the SRS existing methods require some preprocessing on raw (i.e.  conversation/dialogue) inputs. As of our knowledge this requires some manual efforts, but our  method directly works on raw conversations. 


2. Generated SRS may have missing gaps i.e. some features altogether got missed due to  manual/human errors.


c. They don't auto segregate requirements to functional and non­functional requirements.

The proposed approach overcomes the aforesaid drawbacks.

Concept 

The proposed approach details the methodology to create SRS document by using Natural  Language Processing and Machine Learning techniques. The input provided is conversation(s),  RFP and Knowledge base (KB). The output generated by the proposed approach is a SRS which  contains a multiple features and their description. 

Any requirement document contains a wish list of features. The intent is to capture or convert all  forms of conversations related to requirements into a normalized text. The approach then  identifies different features  from the normalized conversation text and the RFP to produce   passages for each feature identified using well known NLP and ML techniques. Once these  features are identified they are  also mapped as functional and non­functional requirements.  Based on the aforesaid information the SRS template is updated with all the relevant features.  The final step is to create a GAP Analysis document/section which identifies probable GAP  based on existing knowledge base whi...