随着软件系统越来越复杂,为软件建立合理的需求跟踪变得越来越重要。由于人工建立和维护需求跟踪链的工作量十分巨大且成本昂贵,因此动态需求跟踪方法(即需求跟踪自动化)受到了广泛关注。动态需求跟踪方法中常用的是基于信息检索(Information Retrieval,IR)的方法和基于本体的方法,前者可自动建立跟踪链,但由于关键字之间可能存在着不匹配问题,容易导致精度较低;后者精度取决于所用本体的质量,在不同领域适用性较低。由于关键词的多义性和句式成分的错误匹配通常是动态需求跟踪方法精度低的重要原因,因此如何确定关键词的释义,如何消除句式不匹配对动态需求跟踪结果的影响,是本文的研究重点。本文发现,关键词的释义,可以根据修饰词(这里所指的修饰词是特指具有限定修饰属性的名词、形容词和副词等)和关键词的搭配关系来确定;同时计算源素材和目标素材相同句式成分(主语、谓语、宾语等)能有效的减少因句式成分的错误匹配带来的实验噪音,并减少动态需求跟踪的计算量。基于以上发现,本文设计了基于本体的修饰词和句式的动态需求跟踪方法(Ontology-Based Dynamic Requirement Traceability Method For Modifiers And Sentence Patterns,OTMS),主要工作如下:(1)针对名词短语中关键词多义性造成的语义分歧问题,本文分析了修饰词对多义词语义选择的影响,提出了一种基于本体的关键词检索方法。该方法通过领域素材提取修饰词,手工构建修饰词本体并标记修饰属性;然后提取WordNet中关键词的语义属性表,结合关键词的语义属性表和修饰词修饰属性,采用基于规则的方法确定关键词的语义;最后,根据已确定的语义通过WordNet中的通用本体计算关键词间的相似度,采用修饰词本体概念语义关系计算修饰词间的相似度,并通过修饰词相似度修正关键词的相似度。(2)针对语义分歧导致的需求跟踪方法精度不高的问题,本文在词语层面和句子层面分析语义分歧的原因,将基于本体的关键词检索方法与句式相结合,设计了OTMS方法。该方法首先通过句式规则获取句式成分;然后通过基于本体的关键词检索方法获取词语的相似度;在充分考虑英语习惯(如被动语态)的情况下,根据相应的句式成分计算句子相似度,最后得到源素材和目标素材的相似度。(3)基于对OTMS方法的分析研究,本文设计并实现了一个动态需求跟踪工具,并详细介绍了该工具的总体架构。通过将OTMS方法与传统的向量空间模型方法、基于领域本体的方法进行实验对比,验证了OTMS方法的有效性。实验表明,在未使用领域本体的情况下,OTMS方法与基于领域本体的方法在召回率相当时,精度差距较小;与基于向量空间模型的方法相比,OTMS方法能有效的提高需求跟踪结果的精度。