요구사항 텍스트에서 자동 UML 클래스 다이어그램 생성을 위한 의미 주석 도구

초록

본 논문은 GATE 기반의 NLP 파이프라인과 JAPE 규칙을 활용해 사용자가 작성한 요구사항 문서를 분석하고, 클래스·속성·연관 관계를 자동으로 식별하여 UML 클래스 다이어그램을 생성하는 도구를 제안한다. 형태소·구문 분석 후 명명된 개체 전이기(Named Entity Transducer)와 Gazetteer 리스트를 이용해 의미 주석을 부착하고, 핵심어 해소를 통해 관계를 정리한다. 실험 결과는 XML 형태의 주석 파일을 생성하며, 오류율이 낮지만 복잡한 사례에서는 한계가 있음을 보고한다.

상세 분석

이 연구는 소프트웨어 요구사항 분석 단계에서 발생하는 텍스트‑모델 변환 비용을 감소시키고자, GATE(General Architecture for Text Engineering) 프레임워크를 기반으로 한 전처리·주석 파이프라인을 설계하였다. 먼저 문서 전체를 토큰화, 문장 분리, 품사 태깅을 수행하고, Gazetteer 리스트와 JAPE 규칙을 결합한 Named Entity Transducer를 통해 ‘Class’, ‘Association’, ‘Attribute’와 같은 UML 핵심 요소를 자동으로 식별한다. 특히 클래스 인식 규칙은 사전 정의된 명사 리스트와 동사‑명사 패턴(Noun+Verb+Noun)을 매칭시켜 높은 정밀도를 확보한다. 연관 관계 추출 단계에서는 Orthomatcher를 이용해 핵심어 간의 코어퍼런스를 해결하고, 복합 관계를 복합 주석으로 전환한다. 시스템 아키텍처는 세 단계(형태소 분석, 의미 추출, 관계 정리)로 모듈화되어 있어 도메인별 Gazetteer 교체만으로 다른 분야에 적용이 가능하도록 설계되었다. 그러나 평가에서는 제한된 도메인(주문·고객 시나리오)과 소규모 코퍼스에만 적용했으며, 규칙 기반 접근법 특성상 어휘 다양성·다의어 처리에 취약한 점이 드러난다. 또한, 생성된 XML 주석을 시각적 UML 다이어그램으로 변환하는 자동화 단계가 논문에 명시되지 않아, 실제 설계자에게 전달되는 최종 산출물까지의 워크플로우가 완전하지 않다. 따라서 본 도구는 초기 프로토타입으로서 의미 주석을 통한 요구사항‑모델 연결 가능성을 입증했지만, 대규모 프로젝트 적용을 위해서는 규칙 자동 생성, 기계학습 기반 개체 인식, 그리고 다이어그램 시각화 모듈 통합이 필요하다.