本論文では、パフォーマンス要件を効率的に自動定量化するための新しい手法LQPRを提案します。従来の手法は手動での定量化に依存しており、コストが高く、エラーが発生する可能性があります。LQPRは定量化を分類問題として捉え、軽量な言語的誘導マッチング機構を導入しています。特に、パフォーマンス要件は短く簡潔な傾向があり、強いパターンを示すことが多いことに着目しました。実験では、LQPRが既存の最先端学習ベースの手法と比較して、75%以上のケースにおいて唯一の最優秀手法として評価され、コストは2桁少なくなることが示されました。これにより、性能要件の定量化においては、一般的な大規模言語モデル（LLM）よりも専門の手法がより適していることが実証されました。