数据流图作为软件工程需求分析中必不可少的一部分,在软件分析和软件质量保障方面发挥着重要作用。在经典的软件工程方法中,以人工设计为主要方式的数据流图存在出图效率低的缺点。因此,通过自动提取软件需求文本中的图元素,进而提高出图效率和质量具有重要的研究意义和应用价值。本文设计了一种自动提取数据流图图元素的方法,该方法先通过文本分类从软件需求文档中筛选出包含图元素的关键句,然后使用命名实体识别从句子中提取出数据流图图元素。本文研究工作包括:（1）针对软件需求文档中无关信息会干扰图元素提取的问题,本文提出了基于需求文档权重矩阵的文本分类方法,该方法根据软件需求文档半结构化特点,构造标准软件需求说明规范目录权重矩阵,并将其与句子级文本向量进行特征融合。我们使用需求文档数据集,在提取关键句的文本分类任务上进行实验。实验结果表明,与基于句向量的文本分类方法相比,融入了权重矩阵后关键句分类准确率提高了 5.82%,经过权重矩阵的特征融合,能够降低文档无关目录下的句子对分类结果的影响。（2）针对目前基于序列标注的命名实体识别方法提取图元素信息准确率不高的问题,本文将数据流图规则作为先验知识,提出结合先验知识的图元素命名实体识别方法。该方法将先验知识编码成特征模板,结合模型的上下文信息挖掘图元素特征,获取条件概率最大的输出序列表示,并对输出序列表示进行规约性先验知识的合理性校验。我们使用带图元素标注的文本语句数据集,在数据流图图元素提取任务中进行实验。实验结果表明,与基于序列标注的命名实体识别方法相比,该方法的图元素提取准确率提高了1.9%,经过先验知识校验后提取的图元素更接近人的认知。基于上述研究,本文设计了一个自动提取文本中数据流图图元素信息的工具,并使用真实的企业软件需求文档对其进行测试。测试结果显示,该工具能够有效提取出文本中包含的图元素信息,且自动生成参考性顶层数据流图,节省人工分析的时间,对生成更深层次的数据流图有借鉴意义。