基于深度学习的文本自动生成SysML模型方法OA

将模糊、不一致的自然语言转化为一致清晰的系统建模语言(SysML)模型是基于模型的系统工程领域的主要工作之一,实现该过程的自动化有助于节省人工建模的时间。本文将深度学习应用于SysML图的自动生成,提出了一种基于深度学习的自然语言文本自动生成SysML模型方法(GST)。以自然语言文本为输入,通过预处理将其分解为一组完整的句子,再由深度学习模型提取句子中的实体及其关系,最后通过后处理加入图形信息进行整合,输出包含模型完整信息的文件。本文构建了标签数据集,并通过实例验证了GST的可行性。结果显示:GST能够自动转化非结构化的自然语言文本输入,生成简单的SysML图。该方法对输入限制较少,整个生成过程无需用户参与,且输出的结果可以直接导入建模软件,节省了前期大量的建模工作。