用例建模Use Case Modeling

我的工程实践为《基于深度学习的文本对话机器人设计》，本设计主要是通过数据收集、建模分析并训练优化，使得用户可以通过文本的形式与机器人进行聊天，机器人能够对人类提出的问题做出智能的回应。主要技术为nlp、LSTM循环神经网络和TensorFlow，下面将对工程实践过程中的业务进行建模。

 

一、用例图设计

 

用例图：用例图描述的是参与者所理解的系统功能，主要元素是用例和参与者。虽然用例图不能取代文本形式的用例文档，但它简要地概括了用例文档的主要内容，项目的基本需求和需求之间的关系一目了然。在项目初始阶段，用例图可以帮助开发团队以一种可视化的方式理解系统的功能需求，从而快速地进行需求分析。

 

用例：是对包括变量在内的一组动作序列的描述，系统执行这些动作，并产生传递特定参与者的价值的可观察结果。这是UML对用例的正式定义，对我们初学者可能有点难懂。我们可以这样去理解，用例是参与者想要系统做的事情。对于对用例的命名，我们可以给用例取一个简单、描述性的名称，一般为带有动作性的词。用例在画图中用椭圆来表示，椭圆下面附上用例的名称。

 

本工程实践需抽取的用例：获取数据、录入对话、数据处理、预训练、分词处理、去除特殊符号、构建词典、语料库、seq2seq、LSTM循环神经网络、生成回答。

 

用例图如下：

 

 

 

 

二、用例范围High level use case

获取数据：包括数据处理和与训练等。

录入对话：通过已有的语料库，采用seq2seq模型以及LSTM循环神经网络技术，不断训练生成回答。

 

三、Expanded use case分析

这里用例建模的进一步分析主要是在数据处理和深度学习的过程中进一步优化，例如精确语义规则、基于情感语义的机器学习方法和对神经网络的优化等。