11.3.2 基于语义的设计方案推荐
经过了前面章节讲解的需求模板标记、标签化后，再通过语义分析的帮助，就能够自动生成适应于用户要求的需求文档。对于生成的文档，需求平台可以根据用户的特征、使用范围等相关信息，对其通过分类器（分类模型）进行分类，判断出此文档是属于哪一种业务的需求文档，并对需求文档带上具体的业务属性，然后，将所有带属性的需求文档都分类存放在需求文档知识库中，供需求分析人员的选择和使用。
需求阶段的顺利完成标志着系统设计的开始，系统设计阶段在软件开发的全生命周期中也扮演着重要的角色，一个合适优秀的系统设计是软件开发的基础，不仅可以提高开发效率，还能够让开发的软件更加具有实用性、适用性。因此，通过对需求文档的分析，智能化推荐出当前需求所对应的系统设计方案也会大大节约时间、缩减整个软件开发的成本消耗。
需求分析整个阶段完成了对现实世界的业务建模和计算机世界的系统建模，这些需求基础环节都为系统设计分析提供了基础和素材。在系统设计阶段，一个合适的系统设计方案至关重要，这是对需求阶段的扩展也是对开发编码阶段的前提铺垫，相当于一个总纲。在设计人员拿到需求阶段的需求分析报告和需求规格说明书后，精确快速地分析出需求阶段的重点要素，并能够快速进入到设计，这个过程不仅需要设计人员的经验，并且还具有一定的难度。此时，一份智能推荐的系统设计方案无疑会给系统设计人员带来便利和曙光。
在传统的软件开发过程中，设计人员在获取需求文档后，会主观去找寻文档中的要素，但是不同的人对于同一份需求文档可能会产生不同的理解，因此，需要设计人员与需求分析人员不断的对接讨论才能达成一致的理解。然而，系统设计方案的智能自动推荐可以帮助设计人员解决此问题。推荐给设计人员的系统设计方案是根据在海量数据中分析、挖掘出的信息，因此，可以为设计人员提供一定的参考和依据来验证自己的理解。
经过对需求文档的分类可以确定其属性，再对设计知识库中存放的各种设计模式进行语义匹配，得到合适的系统设计方案。而且在匹配过程中，避免了传统的基于关键字的字符匹配，采用了基于语义的匹配，通过潜在的语义空间找出语义相近的词语或者句子进行匹配，并且将匹配结果根据相似度的高低进行排序，借助平台可视化呈现，自动化为用户推荐设计方案。(https://www.daowen.com)
当然，并不是必须要有完善的需求分析才能推荐设计方案，当用户在某一业务场景下，使用平台工具后，平台工具会记录用户的使用信息，并且根据用户对平台的使用情况，采用协同过滤推荐算法，结合用户使用平台的偏好，在历史记录中为用户寻找相类似业务场景的用户所选择的推荐方案，为不同的用户制定不同的个性化推荐方案。因此，通过这种方式的推荐，可以为设计人员提供满足其需求的设计方案。
然而，要想达到基于语义的设计方案推荐，必须要有工具的支撑来记录用户的使用和偏好，也需要记录不同的设计方案，并将其存放在设计知识库中。随着设计知识库中知识的不断累积、沉淀，设计知识库中的知识会不断增多，这就为设计方案的推荐提供了数据支持，随着不断的迭代更新，用户被推荐的设计方案会变得越来越准确。
随着社会的发展，软件的智能化、自动化生产在大数据、人工智能的浪潮中已经成为了一个发展趋势，软件的自动化无疑会减少软件生产过程中各个环节的资源消耗，提高软件的复用效率。其中，以推荐为向导的智能软件开发工具（平台）也必然会受到大众的喜爱，成为提供软件生产过程中的利器，帮助设计人员提高准确性。
系统设计方案的智能推荐会根据实际情况为设计人员推荐出多种设计方案，这些方案具有不同的推荐等级，根据推荐等级由高到低排列，设计人员可以根据对系统的需求具体选择某一种设计方案，再对选择的设计方案不断完善，最终根据设计方案对整个系统进行设计，这不仅仅可以帮助设计快速获取需求阶段要素，提高软件开发效率，同时也增加了软件开发的准确性和完备性。
