METHOD AND SYSTEM FOR BUILDING AND LEVERAGING A KNOWLEDGE FABRIC TO IMPROVE SOFTWARE DELIVERY LIFECYCLE (SDLC) PRODUCTIVITY

• Main Authors: NACHIKET, Deshpande, BRIJESH, Prabhakar, DEVANATHAN, D, AARYA, Karambelkar, ADISH, Apte, ARINDAM, Bhattacharya, MEENA, Malu, SANDEEP, Deb
• Format: Patent
• Language: English; French
• Published: 25.01.2024
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; ELECTRIC DIGITAL DATA PROCESSING; PHYSICS

Provided is a method and system (108) for building and leveraging a knowledge fabric (110) in a Software Development Lifecycle (SDLC). A plurality of SDLC artifacts are received from a plurality of heterogeneous data sources (102). The plurality of SDLC artifacts are then correlated to build an end-to-end correlation and are clustered to generate an SDLC knowledge fabric (110). This includes extracting semantic and contextual data from the plurality of SDLC artifacts using Natural Language Processing (NLP) and deep text analytics and transforming the extracted semantic and contextual data to knowledge graphs. One or more actionable items (112) are then derived using the SDLC knowledge fabric (110) and the one or more actionable items (112) are used to improve overall process efficiency and accelerate software delivery in the SDLC. L'invention concerne un procédé et un système (108) pour fabriquer et exploiter un tissu de connaissances (110) dans un cycle de vie de développement de logiciel (SDLC). Une pluralité d'artéfacts SDLC est reçue en provenance d'une pluralité de sources de données hétérogènes (102). Les artéfacts de la pluralité d'artéfacts SDLC sont ensuite corrélés pour construire une corrélation de bout en bout et sont regroupés pour générer un tissu de connaissances SDLC (110). Cela comprend l'extraction de données sémantiques et contextuelles à partir de la pluralité d'artéfacts SDLC à l'aide d'un traitement en langage naturel (NLP) et d'une analyse de texte profonde et la transformation des données sémantiques et contextuelles extraites en graphes de connaissances. Un ou plusieurs éléments exploitables (112) sont ensuite dérivés à l'aide du tissu de connaissances SDLC (110), et ce ou ces éléments exploitables (112) sont utilisés pour améliorer l'efficacité globale du processus et accélérer la distribution de logiciel dans le SDLC.