Requirements Quality Assurance in Industry: Why, What and How?
针对工业界自然语言需求质量保证依赖人工、受琐碎问题困扰的痛点，提出一种兼顾人类认知负荷与机器自动化特性的需求质量保证复杂度分类法，为自动化支持决策框架奠基。
2023-08-24 cs.SE
Exploring Zero-Shot App Review Classification with ChatGPT: Challenges and Potential
TCS Research（塔塔咨询服务研究院）
本文研究利用ChatGPT零样本学习将应用评论分类为功能性需求、非功能性需求、两者兼具或两者皆非，在1,880条评论基准上取得0.842的F1分数，并分析了影响分类准确性的因素。
2025-05-07 cs.AI cs.SE
What Does Explainable AI Mean in Practice? Evaluative Requirements from a Longitudinal Clinical Case Study
NTNU（挪威科技大学）；SINTEF（辛特夫研究所）；St. Olavs Hospital（圣奥拉夫医院）
本文通过长期临床案例研究，探讨了在专家领域中构建可信AI系统所需的评估需求，发现医生更信任能与自身评估对比的简单预测图。
2026-01-05 cs.SE
Elicitation and Modeling Non-Functional Requirements - A POS Case Study
正确的需求管理对于在有限的时间和成本内成功开发软件至关重要。非功能性需求（NFR）是比较不同软件系统的关键标准之一。在大多数软件开发中，NFR都被指定为软件的附加需求。NFR，如性能，可靠性，可维护性，安全性，准确性等，必须在软件开发的早期阶段作为功能需求（FR）加以考虑。然而，识别NFR并不是一件容易的事情。虽然有发达的技术来引出功能需求，但缺乏NFR的引出机制，并且关于NFR的引出技术没有适当的共识。在需求分析中，NFR的获取被认为是一项具有挑战性的工作。本文提出了一种基于UML用例的查询方法来识别和分类系统的NFR。所提出的方法是通过使用销售点（POS）的案例研究说明
2014-03-08 cs.SE
Cognitive Process of Comprehension in Requirement Analysis in IT Applications
需求分析是软件开发中的一个重要阶段，它涉及到对客户需求的理解。它包括从客户那里收集信息，这些信息是关于客户的需求以及他对要开发的软件的期望。通过这样做，你可以更好地了解客户的实际需求，从而可以按照客户的要求提供输出。目前正在进行研究，以改进需求分析过程，从而尽量减少软件开发中的错误，从而提供更好和可靠的产品。
2010-02-16 cs.SE
Do We Preach What We Practice? Investigating the Practical Relevance of Requirements Engineering Syllabi - The IREB Case
如今，需求工程（RE）存在过多的不同的教育大纲，所有的目的是纳入实际相关的教育单位（EU）。这些教学大纲中的许多都以某种方式基于国际要求工程委员会（IREB）提供的教学大纲，IREB是一个致力于RE标准化认证计划的非营利组织。国际可再生能源机构的教学大纲由可再生能源专家制定，因此是基于这样的假设，即它们涉及具有实际意义的专题。然而，对于从业人员实际上在多大程度上认为这些内容有用，却知之甚少。我们已经开始了一项研究，以调查IREB基础级认证计划中包含的EU的相关性。在本文报告的第一阶段，我们调查了主要来自DACH国家（德国，奥地利和瑞士）参与IREB认证的从业人员。以后的阶段将扩大范围，包括其他国家，不要求可再生能源理事会认证的参与者。评估结果将促进对以可再生能源机构事实标准大纲为基础的欧盟单位的实际相关性进行批判性反思。
2019-06-10 cs.SE
Requirements Quality vs Process and Stakeholders' Well-being: A Case of a Nordic Bank
需求是描述软件系统预期用途的关键人工制品。需求的质量对于决定下一步做什么至关重要，影响开发过程的有效性和效率。然而，我们知道很少的从业者的看法之间的联系，关于需求质量和它的影响的过程或参与开发过程中的专业人员的感情。目的：本研究调查：i）软件开发从业者如何定义需求质量，ii）需求的感知质量如何影响过程和涉众的福祉，以及iii）低质量需求的原因和潜在解决方案是什么。方法：本研究是在一家开发自己的网络和移动应用程序的北欧银行的子组织进行的描述性访谈研究。数据汇集包括对20位从业者的访谈，包括需求工程师、开发人员、测试人员和新雇用的开发人员，每组5位受访者。结果：结果表明，不同的角色对什么使需求具有良好的质量有不同的看法。参与者强调，一般来说，当他们处理他们认为质量差的需求时，他们会经历负面情绪，更多的工作和间接沟通。实践者还描述了当他们处理他们认为好的要求时，对他们的表现和积极感受的积极影响。
2022-11-11 cs.SE
Explainability as a Compliance Requirement: What Regulated Industries Need from AI Tools for Design Artifact Generation
本研究通过访谈安全关键行业从业者，揭示了AI设计制品生成工具因缺乏可解释性导致的合规风险与效率损失，并提出了来源追踪、决策理由和合规验证等改进路线图。
2025-07-12 cs.SE
Deep Learning Methods for Software Requirement Classification: A Performance Study on the PURE dataset
Shiraz University of Technology（Shiraz理工大学）
针对软件需求中功能与非功能需求的分类难题，基于PURE构建含4661条需求的数据集，训练5种主流深度学习模型并结合2种投票算法构建集成分类器，验证了深度学习的分类效果及投票机制的性能提升作用。
2022-11-10 cs.SE
Evaluating Software User Feedback Classifiers on Unseen Apps, Datasets, and Metadata
倾听用户的需求对于构建和维护高质量的软件至关重要。在线软件用户反馈已被证明包含大量有用的信息需求工程（RE）。以前的研究已经创建了机器学习分类器来解析这些反馈，以获得开发洞察力。虽然这些分类器在测试集上进行评估时通常表现良好，但问题仍然是它们如何以各种形式扩展到看不见的数据。该研究评估了机器学习分类器在两个常见分类任务（分类错误报告和功能请求）的反馈上的性能。使用来自先前研究的七个数据集，我们研究了分类器在评估来自不同应用程序的反馈时的性能，而不是在训练集中包含的反馈，以及在完全不同的数据集（来自不同的反馈平台和/或由不同的研究人员标记）上进行评估时的性能。我们还测量了使用特定于平台的元数据作为分类功能的性能差异。我们证明，在大多数测试案例中，分类性能与未见过的应用程序的反馈相似。然而，分类器在看不见的数据集上表现不佳。我们表明，多数据集训练或zero shot分类方法可以在一定程度上减轻这种性能下降。最后，我们发现，使用元数据作为特征，在分类错误报告和功能请求不会导致统计上显着的改善，在大多数测试数据集。我们讨论了这些结果对开发用户反馈分类模型来分析和提取软件需求的影响。
2021-12-27 cs.SE
A Study to Evaluate the Impact of LoRA Fine-tuning on the Performance of Non-functional Requirements Classification
本文研究 LoRA 微调在非功能需求分类中的应用，实验证明其可最多降低 68% 执行成本且分类性能仅下降 2%-3%，在更大规模场景中具有实用性。
2025-03-11 cs.SE
Towards Artefact-based Requirements Engineering for Data-Centric Systems
许多现代软件密集型系统采用人工智能/机器学习（AI/ML）组件，因此本质上是以数据为中心的。这种系统的行为通常依赖于在运行时处理的大量数据，从而使这种非确定性系统变得复杂。这种复杂性的增长影响了我们对需求工程（RE）的需求和实践的理解。然而，对于如何有效地处理这些系统的需求，仍然没有什么指导：例如，什么是典型的质量需求类？我们依赖什么建模概念，或者我们需要考虑哪些抽象级别？事实上，如何将这些概念整合到更传统的RE方法中仍然需要深入研究。在这篇研究预览论文中，我们报告了正在进行的努力，以建立一个基于人工制品的RE方法，用于开发以人为中心的系统（DCS）。为此，我们勾画了DCS的开发过程与新提出的要求类别和以数据为中心的文物，并简要报告正在进行的调查，目前RE的挑战，在工业开发以数据为中心的系统。
2021-03-09 cs.SE
Towards Using Personas in Requirements Engineering: What Has Been Changed Recently?
本文通过系统映射研究分析了2023年4月至2025年4月需求工程中用户画像研究的最新趋势，发现AI驱动的构建与验证、模板化表示及验证研究比例上升。
2025-07-21 cs.HC cs.SE
Exploring Requirements Elicitation from App Store User Reviews Using Large Language Models
本研究利用大型语言模型BERT、DistilBERT和GEMMA分析应用商店用户评论以自动化需求提取，发现BERT在准确分类有用评论上表现最佳，GEMMA召回率最高，为移动应用开发提供了有效途径。
2024-09-23 cs.SE
What Soft Skills Software Architect Should Have? A Reflection from Software Industry
软件架构师的工作在软件开发的生存周期中被认为是非常关键的，因为软件架构在成本和质量方面对软件项目的成功和失败起着举足轻重的作用。人们具有不同的人格特质，他们感知、计划和执行任何任务的方式都受到人格特质的影响，这些人格特质以软技能为特征。大多数时候，软件开发是一个团队工作，涉及几个人执行不同的任务。软件项目的成功和失败的故事揭示了人的因素是至关重要的。在这项工作中，我们提出了一个探索性的研究软技能要求的软件架构师的工作。我们分析了124个软件架构师职位的招聘信息，并探讨了软技能要求。调查结果有助于了解软件架构师工作的软件技能要求，并介绍了他们在招聘广告中的使用现状。
2015-08-28 cs.SE
Practical Guidelines for the Selection and Evaluation of Natural Language Processing Techniques in Requirements Engineering
本文为需求工程中自然语言处理技术的选择与评估提供实用指南，涵盖传统NLP、特征机器学习及语言模型方法，旨在帮助新手快速上手。
2024-07-16 cs.SE
Towards New Requirements Engineering Competencies
许多需求工程（RE）的困难已被认为是由于在动态环境中的设计问题，其特点是高度的不确定性，模糊性和出现的演变性质。也有人认为，这些挑战不能通过主要关注符号、工具和方法来解决。这份愿景文件的目的是更好地了解什么样的新的能力是需要扩大可再生能源的做法，以应付在动态环境中的复杂系统。我们打算通过讨论来实现我们的目标：1）增加的复杂性如何影响RE实践，以及2）在将RE实践与手头的设计问题对齐时，发现哪些观点最突出。根据我们的研究结果，我们认为，情境智力的重要性，识别和诊断的能力，环境因素，然后有意识地和直观地调整行为。我们还概述了一些重要的能力，需要开发未来的RE从业人员处理复杂的问题。
2019-03-25 cs.SE
Specifying the Delegated-Autonomy Boundary: Requirements Engineering for Agentic AI
Faculty of IT, Monash University（莫纳什大学信息科技学院）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
研究智能体人工智能系统带来的需求工程问题，提出机构理由记录和智能体委托策略两个互补工件，通过分级建模权限，以医院出院协调智能体和自动代码审查智能体为例阐释框架，解决委托自治边界相关需求工程问题。
2026-07-21 cs.AI cs.SE
4D-ARE: Bridging the Attribution Gap in LLM Agent Requirements Engineering
Tencent（腾讯）
4D-ARE提出一种四维归因驱动代理需求工程方法，解决代理应推理什么的问题，补充运行时推理框架如何推理的不足。
2026-01-08 cs.SE
Requirements Engineering Methods: A Classification Framework and Research Challenges
需求工程方法（REMs）支持需求工程（RE）任务，从需求的启发，通过建模和分析，到验证和演化。尽管设计、验证和教授REM的兴趣越来越大，但REM应该有哪些组成部分仍然不清楚。提出了一个快速眼动模型的分类框架。它基于其组件的域独立属性来区分REM。分类框架的目的是促进（一）分析，教学和现有的REM扩展，（二）工程和新的REM验证，（三）确定REM设计的研究挑战。该框架应有助于进一步澄清REM和其他感兴趣的概念之间的关系和RE，包括需求问题和解决方案，需求建模语言和形式化方法。
2012-03-08 cs.SE
What Prompts Don't Say: Understanding and Managing Underspecification in LLM Prompts
Carnegie Mellon University（卡内基梅隆大学）；Google DeepMind（谷歌DeepMind）
本文探讨了LLM提示中的不充分性问题，指出默认推断的稳定性差且易退化，提出要求意识的提示优化机制和系统性的主动发现与监控流程以提升性能。
2026-04-24 cs.CL cs.SE
Business and technical requirements of Software-as-a-Service: Implications in portuguese enterprise business context
软件即服务（SaaS）是一些公司承载其业务流程的可行选择。采用率相当高，公司已经使用两种以上的服务超过两年。然而，虽然一些公司计划在不久的将来将更多的业务流程由这些服务支持，但其他公司不知道他们是否会这样做。他们对软件提供商的服务水平有几点担忧。这些问题主要是技术和功能问题、服务可用性和支付模式。与传统软件相比，有一些重大变化对软件的开发和提供给用户产生了影响。现有的研究针对特定的方面，很少有研究对SaaS对开发和提供软件的任何人以及作为最终用户使用软件的人的影响给出更广泛的观点。葡萄牙市场的真正需求是什么？有什么恐惧，正在采取什么措施来减轻恐惧？为了创造更多的价值，我们应该把与SaaS产品相关的注意力集中在哪里？因此，要分析这些问题，四个探索性的案例研究被用来评估SaaS对软件开发商或软件提供商在葡萄牙和最终用户的可能影响。这篇文章出现在一个现实和深入的研究，包括葡萄牙公司的管理者，领导者和决策者的参与，以实现什么实际上构成了SaaS的问题，以及什么有效的公司希望在这个报价提供的背景下。这项研究的结果表明，SaaS有效地为葡萄牙公司的发展提供了一个非常有趣和坚实的解决方案，但缺乏更大的努力，特别是在为每个客户（租户）定制和与后端内部部署应用程序集成方面。
2013-12-08 cs.SE
The Impact of Considering Human Values during Requirements Engineering Activities
人的价值观，或者人们在生活中认为重要的东西，比如自由、公平和社会责任，在软件开发过程中往往被忽视和忽视。忽视价值观可能导致软件中的价值观违规，从而导致财务损失、声誉受损以及广泛的社会和法律影响。然而，在软件中嵌入人类价值不仅是不平凡的，而且通常是一个不明确的过程。早在需求工程（RE）活动期间就开始，保证了符合目的和质量的软件产品符合人类价值观。但是，在早期的可再生能源活动中明确考虑人类价值观的影响是什么？为了回答这个问题，我们进行了一项基于Coco的调查，其中56名软件从业人员将需求分析置于一个针对无家可归者的拟议移动应用程序的背景下，并相应地提出了充满价值的软件功能。对提出的特征进行了定性分析。结果表明，明确的价值观的考虑可以帮助从业者确定适用的价值观，他们开发的功能相关联的目的，认为开箱即用，并建立软件功能和人类价值观之间的联系。最后，根据本研究的结果和经验，我们提出了一个基于网络的价值观启发过程-一个简单的四步外卖作为本研究的实际意义。
2021-11-30 cs.SE
Fifty Years of Specification Completeness: What Aviation Certification Tells AI Governance About Epoch Limits, Proof Surfaces, and the Structural Gap
Nuphirho Research（Nuphirho研究所）
本文从航空软件认证的结构性要求出发，指出AI治理文档缺乏类似的结构完备性约束，并通过映射DO-178C和DO-330的要求，提出纪元限制、证明表面和结构性差距三个发现，最后介绍PromptQ框架在治理文档层实现这些要求。
2026-06-25 cs.CY cs.SE
A Machine Learning Based Ensemble Method for Automatic Multiclass Classification of Decisions
在软件开发的生存周期中，涉众会做出关于需求、设计、管理等方面的各种决策。然而，由于人力资源、时间和预算有限，这些决定通常没有很好地记录和分类。为此，自动方法提供了一种很有前途的方法。在本文中，我们旨在将决策自动分类为五种类型，以帮助利益相关者更好地记录和理解决策。首先，我们从Hibernate开发人员邮件列表中收集了一个数据集。然后，我们对270种关于特征选择、特征提取技术和机器学习分类器的配置进行了实验和评估，以寻求分类决策的最佳配置。特别地，我们应用集成学习方法，构造集成分类器，比较集成分类器和基分类器的性能。实验结果表明：（1）特征选择可以很好地改善分类效果：（2）在集成分类器构造良好的情况下，集成分类器的性能优于基分类器;（3）BoW + 50%特征，通过特征选择与组合朴素贝叶斯（NB），逻辑回归（LR），而支持向量机（Support Vector Machine，SVM）在所有配置中取得了最好的分类结果（加权精度为0.750，加权召回率为0.739，加权F1得分为0.727）。我们的工作可以通过提供一种自动方法来有效地将决策分类为与他们的利益相关的特定类型，从而使软件开发中的各种类型的利益相关者受益。
2021-05-04 cs.SE
Software Professionals are Not Directors: What Constitutes a Good Video?
视频是丰富和有效沟通的最佳文档选择之一。它们通过具体实现某些要求，使人们能够体验一种情况的总体背景。尽管在需求工程（RE）中集成视频的研究已经有35年了，但就RE最佳实践而言，视频并不是一个既定的文档选项。有几种方法使用视频，但省略了如何制作视频的细节。软件专业人员缺乏如何与视频进行视觉交流的知识，因为他们不是导演。因此，他们不一定具有所需的技能，既不能产生一般的好视频，也不能推断出什么构成了现有方法的好视频。视频制作的学科提供了许多通用的指导方针，这些指导方针代表了如何制作具有特定特征的优秀视频的最佳实践。我们建议分析现有的技术，以了解什么是一个好的视频视觉传达。作为一项行动计划，我们建议对视频制作指南进行文献研究。我们期望识别好视频的质量特征，以获得质量模型。软件专业人员可以将这样的视频质量模型用作规划、拍摄、后处理和观看视频的方向。因此，我们希望鼓励并使软件专业人员能够以适度的成本制作出高质量的视频。
2018-08-15 cs.SE
Are "Non-functional" Requirements really Non-functional?
非功能性需求（NFR）通常通过区分系统应该如何做某事与系统应该做什么来区别于功能性需求。这种区别不仅在研究中普遍存在，而且影响了在实践中如何处理需求。NFR通常与功能要求分开记录，没有量化措施，描述相对模糊。因此，它们仍然难以分析和测试。然而，一些作者认为，许多所谓的NFR实际上描述的是行为属性，可以像功能需求一样对待。在本文中，我们实证调查这一观点，旨在增加我们的理解NFR寻址系统属性的性质。我们报告了从11个工业需求规范中提取的530个NFR的分类，并分析了这些NFR在多大程度上描述了系统行为。我们的研究结果表明，大多数“非功能性”的需求不是非功能性的，因为它们描述了一个系统的行为。因此，我们认为，许多所谓的NFR可以处理类似的功能需求。
2016-11-27 cs.SE
A Classification Framework for Web Browser Cross-Context Communication
对更高级Web应用程序的需求是Web浏览器发展的驱动力。最近对富Internet应用程序的需求，如混搭数据和后台处理，强调了构建和执行Web应用程序作为浏览器执行上下文协调的必要性。由于这种Web应用程序的开发依赖于跨上下文通信，因此已经开发了许多浏览器原语和客户端框架来支持这种通信。在本文中，我们提出了一个系统化的跨上下文通信系统的Web浏览器。在分析前人研究成果、现代Web应用需求和现有系统的基础上，提出了一个跨上下文通信系统的分类框架。使用该框架，我们评估了当前的跨上下文通信生态系统，并概述了未来Web研究和工程的方向。
2011-08-24 cs.SE
Requirements are All You Need: The Final Frontier for End-User Software Engineering
本文探讨终端用户仅用多模态需求即可全流程拥有软件开发的可能性，分析其对终端用户软件工程的影响，并提出弥合现状与未来系统差距所需的研究方向。
2024-05-22 cs.HC cs.SE
The Use of NLP-Based Text Representation Techniques to Support Requirement Engineering Tasks: A Systematic Mapping Review
Higher Institute for Applied Sciences and Technology (HIAST)（高等应用科学与技术学院）；Arab International University (AIU)（阿拉伯国际大学）
自然语言处理（NLP）被广泛用于支持不同需求工程（RE）任务的自动化。大多数提出的方法都是从各种NLP步骤开始的，这些步骤分析需求语句，提取它们的语言信息，并将它们转换为易于处理的表示，例如特征列表或基于嵌入的向量表示。这些基于NLP的表示通常在稍后阶段用作机器学习技术或基于规则的方法的输入。因此，需求表示在确定不同方法的准确性方面起着重要作用。本文以系统的文献映射（分类）的形式进行了一项调查，以了解（1）RE任务文献中使用的表示方法，（2）这些作品的主要焦点是什么，（3）该领域的主要研究方向是什么，以及（4）差距和潜在的未来方向。在编译了2，227篇论文的初始池并应用一组纳入/排除标准后，我们获得了包含104篇相关论文的最终池。我们的调查显示，研究方向已经从使用词汇和句法特征转向使用先进的嵌入技术，特别是在最近两年。使用高级嵌入表示已经证明了它在大多数RE任务（如需求分析，从评论和论坛中提取需求，以及语义级质量任务）中的有效性。然而，基于词汇和语法特征的表示仍然更适合于其他RE任务（例如建模和语法级质量任务），因为它们为处理这些任务时使用的规则和正则表达式提供了所需的信息。此外，我们确定了现有文献中的四个差距，为什么它们很重要，以及未来的研究如何开始解决这些问题。
2022-05-17 cs.AI cs.CL cs.SE
AI-Driven Test Case Generation from Natural Language Requirements: A Survey of Techniques and Research Gaps
School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）
综述AI、NLP和LLM从自然语言需求生成测试用例的技术，指出当前方法无法同时满足自动化、歧义处理等六个质量维度，提出四个研究方向。
2026-06-16 cs.AI cs.SE
How Mature is Requirements Engineering for AI-based Systems? A Systematic Mapping Study on Practices, Challenges, and Future Research Directions
University of Stuttgart（斯图加特大学）；University of Kotli Azad Jammu and Kashmir（阿扎德查谟和克什米尔科特利大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Technical University of Munich（慕尼黑工业大学）
该研究通过纳入126项研究的系统映射分析，梳理了人工智能需求工程（RE4AI）的现有实践、核心挑战，提出七个未来研究方向，为从业者选方法和研究者拓方向提供参考。
2024-09-11 cs.AI cs.SE
From What to How: Bridging User Requirements with Software Development Using Large Language Models
University of Science and Technology Beijing（北京科技大学）；Hong Kong University of Science and Technology（香港科学大学）；University of Science（科学大学）
本文提出DesBench基准测试，评估LLMs在软件设计相关任务中的表现，揭示LLMs在代码生成、面向对象建模及测试用例设计方面的局限性。
2026-02-14 cs.AI cs.SE
DeepQuali: Initial results of a study on the use of large language models for assessing the quality of user stories
Fraunhofer Institute for Experimental Software Engineering IESE（弗劳恩霍夫实验软件工程研究所IESE）；QAware GmbH（QAware有限公司）；let's dev GmbH & Co. KG（let's dev两合有限公司）
DeepQuali利用大型语言模型评估用户故事质量，通过对比专家判断发现其在整体评估上有效，但细节评分存在分歧，且需进一步融入工作流程。
2026-02-09 cs.AI cs.SE
AgentSWE: Can Coding Agents Build the Agent You Actually Want?
Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Renmin University of China（中国人民大学）
本文推出AgentSWE基准测试编码智能体构建真实需求智能体的能力，发现现有编码智能体普遍存在展示与交付差距大的问题，并识别出其过拟合等失败模式。
2026-10-12 cs.AI cs.LG cs.SE
