Traceability Support for Multi-Lingual Software Projects
软件可追溯性在不同的软件工件（如需求、设计、代码和测试用例）之间建立关联。由于手工创建和维护链接的成本很高，许多研究人员提出了基于信息检索技术的自动化方法。然而，许多全球分布的软件项目产生用两种或更多种语言编写的软件工件。混合语言的使用降低了自动跟踪解决方案的效率。在本文中，我们首先分析和讨论跨多个项目的混合语言使用的模式，然后评估几种不同的跟踪算法，包括向量空间模型（VSM），潜在语义索引（LSI），潜在狄利克雷分配（LDA），以及各种模型，结合单语言和跨语言的词嵌入与生成向量空间模型（GVSM）。基于对14个汉英项目的分析，我们的结果表明，使用单语种词嵌入集成到GVSM与机器翻译作为预处理步骤，实现了最佳的性能。
2020-06-30 cs.SE
Extracting Traceability Information from C# Projects
软件生命周期的维护部分是大多数软件公司资源的主要消耗。从程序员到维护人员的过渡是高风险的，因为通常维护人员必须从头开始学习系统，然后才能开始适当地修改它。介绍了一种从C#软件项目源代码中自动提取重要可追溯性信息的方法。使用这种可追溯性信息，维护人员（和程序员）能够更好地评估他们的行为对整个项目的影响。
2015-12-01 cs.SE
C# Traceability System
可跟踪性信息是软件开发团队可以利用的宝贵资产，可以在软件项目的生产和维护过程中最大限度地降低风险。当维护人员被添加到软件项目后期制作时，他们必须从头开始学习系统并了解其动态，然后才能开始对源代码进行适当的修改。本文中概述的系统直接从C#项目的源代码中提取可追溯性信息，并以一种可以轻松用于理解逻辑和验证系统更改的方式呈现。
2015-07-24 cs.SE
Understanding the Challenges of Deploying Live-Traceability Solutions
本文探讨了部署实时可追踪性解决方案的挑战，提出利用NLP和Transformer模型实现自动化，并以SAFA.ai为例，指出商业化难点与未来方向。
2023-06-19 cs.SE
Formalizing Traceability and Derivability in Software Product Lines
在文献中，在软件产品线（SPL）的产品的定义是基于约束的一致性的概念，施加的可变性和可追溯性关系的SPL的元素。在本文中，我们认为，一致性不正确的问题和解决方案空间之间的可实现性关系的自然语义模型。因此，我们定义了什么时候可以从一组组件{ \em派生}一个特性。使用这个，我们通过<specification，architecture>对定义SPL的产品，其中规范中的所有功能都来自架构中的组件。这个概念的衍生性制定了一个简单而富有表现力的，抽象的模型与可追溯性关系的产品线。然后，我们定义了一组SPL分析问题，并表明这些问题可以编码为量化布尔公式。然后，可以使用QSAT求解器（如QUBE）来解决分析问题。我们说明了一个小片段的一个现实的productline的方法。
2012-01-03 cs.SE
Establishing Traceability Links between Release Notes & Software Artifacts: Practitioners' Perspectives
本文提出基于大语言模型的自动方法，用于建立软件发布说明与开发工件之间的可追溯性链接，通过实证研究和用户调查验证了其有效性与实用性。
2025-11-22 cs.SE
Grand Challenges of Traceability: The Next Ten Years
2007年，软件和系统可追溯性社区在第一届自然桥研讨会上讨论了可追溯性的重大挑战，以建立和解决实现有效，可信和无处不在的可追溯性的研究目标。十年后的2017年，社区聚集在一起，评估实现这些目标的十年进展。这些程序记录了其中的一些进展。它们包括一系列简短的立场文件，代表了在可追溯性实践的四个过程轴上组织的社区中的当前工作。会议涵盖了跟踪策略，跟踪链接创建和演变，跟踪链接使用，可追溯性的实际应用，以及可追溯性数据集和基准测试等主题。两个分组重点讨论了在研究界内创建和共享可追溯性数据集的重要性，并讨论了在工业实践中采用追溯技术所面临的挑战。研究社区的成员参与了许多积极的，正在进行的和有影响力的研究项目。我们的希望是，十年后，我们将能够回顾这十年富有成效的研究，并声称我们已经实现了可追溯性的总体挑战，即寻求可追溯性始终存在，内置于工程过程中，并使其“有效地消失得无影无踪”。我们希望其他人能够看到可追溯性的潜力，使软件和系统工程师能够以越来越高的复杂性和规模开发更高质量的产品，并且他们将加入软件和系统可追溯性研究人员的活跃社区，因为我们正在进入下一个十年的研究。
2017-10-09 cs.SE
Automatic Traceability Maintenance via Machine Learning Classification
以前的研究表明，软件可追溯性，将项目中不同来源的相关工件链接在一起的能力（例如，源代码、用例、文档等），通过帮助开发人员和其他利益相关者完成影响分析、概念定位等常见任务来提高项目成果。在软件系统中建立可追溯性链接是一项重要且昂贵的任务，但这只是工作的一半。随着项目的维护和发展，新的工件被添加，现有的工件被更改，导致过时的可跟踪性信息。因此，需要采取特定的步骤来确保可追溯性链接与项目的其余部分保持一致。在本文中，我们解决这个问题，并提出了一种新的方法，称为TRAIL在系统中维护可追溯性信息。TRAIL的新颖之处在于，它利用先前捕获的关于项目可追溯性的知识来训练机器学习分类器，然后可以使用该分类器来导出新的可追溯性链接并更新现有的可追溯性链接。我们评估了TRAIL的11个常用的可追溯性数据集从六个软件系统，并将其与七个流行的信息检索（IR）技术，包括最常用的方法在以前的工作。结果表明，TRAIL优于所有IR方法的精度，召回率和F-分数。
2018-07-17 cs.SE
Leveraging Traceability to Integrate Safety Analysis Artifacts into the Software Development Process
针对安全保证案例与开发过程脱节、难以随系统演进而维护的问题，提出基于软件可追溯性连接系统制品与安全分析模型、可视化变更并提取设计理据的集成方法。
2023-07-14 cs.SE
When Traceability Goes Awry: an Industrial Experience Report
工件之间的可追溯性的概念被认为是软件项目成功的推动者。这个概念已经得到了研究界的广泛关注，许多人认为它在工业环境中总是可用的。在这个产学合作项目中，一个研究小组在一家大型电信公司的测试从业人员的支持下，试图调查合作伙伴公司与软件质量相关的问题。然而，很快就发现需求和测试用例之间缺少基本的可跟踪性链接。这种缺乏可追溯性的情况阻碍了帮助公司处理质量问题的解决方案的实施。在这份经验报告中，我们讨论了在复杂的工业环境中创建和维护可追溯性链接的实际价值，并为研究人员提供了一个警示故事。
2022-06-09 cs.SE
An Approach for Discovering Traceability Links between Regulatory Documents and Source Code Through User-Interface Labels
在受监管的应用领域中，软件供应商必须维护监管项目和实现它们的代码库之间的可跟踪性链接。在本文中，我们提出了一个可追溯性的方法，基于直觉，监管文件和相应的软件应用程序的用户界面是非常接近的。首先，它们使用相同的术语。第二，大多数重要的法规信息出现在图形用户界面中，因为这些应用领域的最终用户关心法规（通过构造）。我们在绿色建筑领域评估我们的方法。评估涉及领域专家，该领域内商业产品的首席架构师。评估表明，恢复的可追溯性链接准确。
2014-03-11 cs.SE
Using Software Product Lines to Create Blockchain Products: Application to Supply Chain Traceability
近年来，区块链已经从一个利基技术迅速发展成为许多行业的一个有前途的解决方案，因为它具有独特的属性，可以设计创新的应用程序。尽管如此，区块链应用的发展仍然是一个挑战。由于技术的新颖性，只有少数开发人员熟悉区块链技术和智能合约。其他人可能会面临陡峭的学习曲线或难以重用现有代码来构建区块链应用程序。本研究提出了一种新的方法来解决这些问题，通过软件产品线工程。为了支持这种方法，引入了一个Web平台来配置和生成用于链上可追溯性的区块链应用程序。首先，一个特征模型已被设计为所选择的域的核心功能模型，基于现有的文献。然后，一个配置器已经实现，以支持特征选择阶段。最后，生成器能够摄取这样的配置来生成现成的区块链产品。通过使用该平台再现文献中提出的链上可追溯性应用，验证了贡献的普遍性。这项工作提供了第一个证据，证明使用软件产品线实施区块链应用程序可以提高应用程序的质量并缩短上市时间。
2022-08-02 cs.SE
AVIATE: Exploiting Translation Variants of Artifacts to Improve IR-based Traceability Recovery in Bilingual Software Projects
本文提出AVIATE策略，通过利用不同翻译器产生的翻译变体中的共识双词项来丰富工件文本并增强IR值，从而改进双语软件项目中的追踪性恢复，实验证明其显著优于现有方法。
2024-09-28 cs.SE
Enhancing Automated Software Traceability by Transfer Learning from Open-World Data
软件需求可追溯性是软件工程过程的关键组成部分，支持需求确认、合规性验证和安全保证等活动。然而，手工创建一套完整的跨自然语言工件（如需求、设计和测试用例）的跟踪链接的成本和工作量可能非常昂贵。因此，研究人员提出了主要基于信息检索（IR）技术的自动链接生成解决方案;然而，这些解决方案未能提供工业项目全面采用所需的准确性。可以使用深度学习可追溯性模型来实现改进;然而，它们的有效性受到项目级工件和链接的有限大小和可用性的阻碍，以用作训练数据。在本文中，我们通过提出和评估几种用于文本到文本可追溯性的深度学习方法来解决这个问题。我们的方法名为NLTrace，探索了三种使用从开放世界平台挖掘的数据集的迁移学习策略。通过预训练语言模型（LM）和利用相邻的跟踪任务，我们证明了NLTrace可以显着提高性能的LM为基础的跟踪模型时，训练链接可用。在这种情况下，NLTrace优于性能最佳的经典IR方法，F2分数提高了188%，平均精度（MAP）提高了94.01%。对于F2和MAP，它也分别比基于一般LM的跟踪模型高出7%和23%。此外，NLTrace可以适应其他LM模型无法适应的低资源跟踪场景。从相邻的任务中学习到的知识使NLTrace在生成挑战中的表现优于VSM模型28%F2，当提供少量训练样本时。
2022-07-03 cs.SE
Science-Software Linkage: The Challenges of Traceability between Scientific Knowledge and Software Artifacts
尽管计算机科学论文通常伴随着软件工件，但将研究论文与其软件工件连接起来（反之亦然）并不总是微不足道的。首先，在如何提供这种联系方面缺乏公认的标准。此外，提供的链接，如果有的话，经常会过时：当预印本被删除时，当存储库被迁移时，或者当论文和存储库独立发展时，它们会受到链接腐烂的影响。在本文中，我们总结了研究论文和相关源代码链接的实践状态，强调了最近的努力，建立和维护这样的链接。我们还报告了几项实证研究的结果，重点是科学论文和相关的软件工件之间的关系，我们概述了可追溯性和克服这些挑战的机会相关的挑战。
2021-04-13 cs.DL cs.SE
Natural Language Processing for Requirements Traceability
该综述梳理了需求可追溯性领域的核心概念与典型任务，介绍了NLP技术在相关任务中的应用方法、实验设计方案及实践落地要点，为构建NLP驱动的自动化可追溯性方案提供基础指引。
2024-05-17 cs.SE
UserTrace: User-Level Requirements Generation and Traceability Recovery from Software Project Repositories
针对现有方法忽视用户级需求与项目演进影响的问题，提出多智能体系统 UserTrace，通过协调四个专门智能体自动生成用户级需求并恢复其实时可追溯链接，实验证明其生成质量和追溯精度均优于基线及现有方法。
2025-09-14 cs.SE
TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts
针对不同抽象层级软件制品文本差异导致 IR 追溯失效的问题，提出 TRIAD，利用中间制品的共识 biterm 与内外部传递链接调整相似性，在五个系统上显著优于四种现有方法。
2024-01-17 cs.SE
Trust-Aware Multi-Agent Traceability: Confidence-Calibrated Knowledge Graphs for Consistent Software Artifact Management
CairoMotive Cairo, Egypt（开罗动力埃及）
提出一种信任感知协调框架，通过共享知识图谱和校准置信度分数，结合嵌入检索与LLM多准则分析的两阶段可追溯性链接预测管道，解决多智能体系统中错误传播问题。
2026-06-17 cs.AI cs.SE
Exploring the ChatGPT Approach for Bidirectional Traceability Problem between Design Models and Code
本研究探索ChatGPT在设计模型与代码双向可追溯性问题上的能力，通过案例研究验证其可从自然语言需求生成设计模型和代码、修正二者一致性，证明用其实现该双向追溯具备可行性。
2023-10-10 cs.SE
An Empirical Study on the Impact of Normalized Use-Case Specifications on Traceability
College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院）；State Key Laboratory of Complex & Critical Software Environment（复杂与关键软件环境国家重点实验室）
本研究提出面向需求的标准化方法，将原始需求转换为标准化用例规格，经实验验证该方法可提升语义模糊需求的可追溯性能，同时揭示其适用边界，为可追溯性改进提供新策略。
2026-08-18 cs.SE
A Systematic Review of Tracing Solutions in Software Product Lines
软件产品线是大规模的多单元系统，可以进行大规模的定制生产。它们由一个可重用工件和变化点的基础组成，为系统提供了灵活性，允许生成定制的产品。然而，维护这样复杂和灵活的系统可能容易出错并且耗时。事实上，在产品或工件级别的任何修改（添加、删除或更新）都会影响其他元素。因此，采用一种有效的、有组织的可追溯性解决方案来维护软件产品线是很有意义的。然而，可追溯性并没有得到系统的实施。它通常是为特定的限制（例如认证要求）而设置的，但在其他情况下被放弃。为了在软件产品线的背景下描绘出可追溯性解决方案的实际情况，我们决定进行文献综述。本文详细介绍了这一审查及其结果。
2018-12-13 cs.SE
Failure Mechanism Traceability and Application in Human System Interface of Nuclear Power Plants using RESHA
近年来，已经做出了相当大的努力，用数字仪器和控制系统使现有的和新的核电站现代化。然而，行业和监管机构对这些系统的风险和后果分析也相当关注。值得关注的是数字共因故障，特别是由于软件缺陷。软件的这些故障可能发生在系统的控制和监视中。虽然已经提出了许多方法来识别软件故障模式，如系统理论过程分析，数字系统的危害和后果分析等，这些方法主要集中在系统的控制动作路径上。相比之下，信息反馈路径缺乏不安全控制动作，这些动作通常与软件基本事件相关;因此，此类系统中软件基本事件的评估不清楚。在这项工作中，我们提出的想法，中间处理器和不安全的信息流（UIF），以帮助安全分析师跟踪故障机制的反馈途径，以及如何将它们集成到一个故障树，以提高评估能力。提出的概念证明了两个全面的案例研究，一个智能传感器集成平台的无人驾驶自动驾驶汽车和另一个代表性的先进的人类系统接口的安全关键工厂监控。定性的软件基本事件的识别，并进行故障树分析的基础上，一个改进的Redundancy引导系统理论的危险分析方法。案例研究表明，使用UIF和中间处理器的故障树，以提高高度复杂的数字仪表反馈的软件故障的可追溯性。改进后的方法阐明了当系统中存在多个部件依赖时故障树的构造。
2022-05-24 cs.SE
Who's Who? LLM-assisted Software Traceability with Architecture Entity Recognition
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
本文提出ArTEMiS方法，通过语义推理实现架构实体匹配，结合ExArch自动构建SAM，提升软件架构与代码的可追溯性。
2026-03-19 cs.SE
TraceLLM: Leveraging Large Language Models with Prompt Engineering for Enhanced Requirements Traceability
KFUPM（国王法赫德石油矿物大学）；Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜勒拉赫曼·本·费萨尔大学）；SDAIA–KFUPM Joint Research Center of Artificial Intelligence, KFUPM（沙特数据与人工智能中心-国王法赫德石油矿物大学人工智能联合研究中心）；University of Quebec in Montreal（蒙特利尔魁北克大学）
本文提出TraceLLM框架，通过提示工程和示例选择，利用大型语言模型在零样本和少样本设置下提升需求可追溯性，在多个基准数据集上取得最优F2分数。
2026-02-01 cs.SE
Lost in Transmission: An Information-Theoretic Account of Unsupervised Software Traceability
Microsoft Redmond, WA, USA（微软红mond分部）；University of Central Florida Orlando, FL, USA（中央佛罗里达大学奥兰多分校）
研究无监督软件可追溯性，引入信息论框架TraceXplainer，利用自信息和互信息量化工件信息及对齐，经行业数据集实证分析，揭示信息不平衡与技术约束，建议转向以数据为中心的工程，为从业者提供评估及改进见解。
2026-07-21 cs.AI cs.SE
Using Consensual Biterms from Text Structures of Requirements and Code to Improve IR-Based Traceability Recovery
可追溯性根据两个工件是否通过系统功能相关来批准软件工件之间的跟踪链接。这些痕迹对软件开发很有价值，但很难手动获得。为了应对昂贵的和容易出错的手动恢复，自动化的方法被提出来恢复痕迹，通过软件工件之间的文本相似性，如那些基于信息检索（IR）。然而，低质量和数量的工件文本的负面影响计算的IR值，从而极大地阻碍了基于IR的方法的性能。在这项研究中，我们提出从需求和代码的文本结构中提取共现词对（即，共识双项），以提高基于IR的可追溯性恢复。我们首先根据需求文本的词性收集一组双术语，然后通过代码文本过滤它们。然后，我们使用这些一致的双术语，既丰富了输入语料库的IR技术，提高计算的IR值。基于九个系统的评估表明，一般来说，当单独用于增强IR技术时，我们的方法可以在AP中分别超过纯IR方法和另一基线21.9%和21.8%，在MAP中分别超过9.3%和7.2%。此外，当用于从不同角度与另一种增强策略合作时，它可以在AP和MAP中分别超过该基线5.9%和4.8%。
2022-09-05 cs.SE
Formation of requirements traceability in the process of information systems design
针对需求可追溯性难以整合进信息系统设计流程的“重大挑战”，本文提出应用基于无缝系统架构的自适应聚类方法ACM，实现不同抽象层级项目工件的显式互连，提升系统质量与可维护性。
2025-05-07 cs.SE
Enhancing Requirements Traceability Link Recovery: A Novel Approach with T-SimCSE
School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院）；Zhejiang Key Laboratory of Big Data and Future E-Commerce Technology（浙江省大数据与未来电子商务技术重点实验室）；Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系）
本文提出基于SimCSE的T-SimCSE方法，通过计算需求与目标制品的相似性并重新排序，提升需求可追溯链接的恢复性能。
2026-03-12 cs.SE
TraceDev: A Traceability-Driven Multi-agent Framework for Requirement-to-Code Development
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Shenzhen Key Laboratory of Internet Information Collaboration, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）深圳市互联网信息协同重点实验室）；State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）；Beijing Institute of Control Engineering（北京控制工程研究所）
针对现有方法在自然语言需求到代码转换中存在的不足，提出TraceDev多智能体框架，通过五个特定角色智能体及可追溯性图，实现自动化软件开发，在两个数据集上的评估结果证明了其在需求到代码生成上的有效性。
2026-07-22 cs.SE
The ARDoCo Tool Landscape: REST API, TraceView, and TraceViz for Architecture Traceability
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
提出 ARDoCo 工具生态，通过 REST API、TraceView 前端和 TraceViz IDE 插件实现架构可追溯性链接恢复，提升开发者理解效率。
2026-06-29 cs.SE
Empirical Evaluation of Taxonomic Trace Links: A Case Study
Blekinge Institute of Technology（布莱金厄理工学院）；Ericsson（爱立信）
本文通过工业场景实证评估Taxonomic Trace Links方法，发现其在某些场景下有效，但需改进分类器精度和领域特定分类法构建。
2026-04-09 cs.SE
Taxonomic Trace Links: Rethinking Traceability and its Benefits
提出分类追踪链接（TTL）方法，通过特定领域分类法间接创建追踪链接，解决粒度、数据结构和责任等可追溯性挑战，并经初步验证提出未来研究路线图。
2025-04-29 cs.SE
Bridging the Gap on AI-Assisted Scientific Software Development Through Transparency and Traceability
Idaho National Laboratory（爱达荷国家实验室）
本文探讨了在严格软件质量保证背景下如何负责任地使用人工智能辅助科学软件开发，提出了一种结构化框架用于AI辅助的验证与验证案例开发，以确保软件质量。
2026-07-29 cond-mat.mtrl-sci cs.SE
TVR: Automotive System Requirement Traceability Validation and Recovery Through Retrieval-Augmented Generation
University of Ottawa（渥太华大学）；Research Ireland Lero Centre, University of Limerick（利默里克大学 Lero 研究中心）；Wind River Systems（风河系统）
提出TVR方法，利用大语言模型和检索增强生成技术，验证和恢复汽车系统中利益相关者需求与系统需求之间的可追溯性链接，实验证明其在工业环境中的有效性。
2026-07-03 cs.SE
Formalising Software Requirements using Large Language Models
Department of Computer Science, Maynooth University, Ireland（计算机科学系，迈诺特大学，爱尔兰）
本文介绍VERIFAI项目，该项目结合NLP、本体、相似制品复用、大语言模型与AI，实现软件需求形式化规约自动生成及全流程可追溯，解决相关验证与追溯难题。
2025-06-12 cs.AI cs.SE
Traceability Transformed: Generating more Accurate Links with Pre-Trained BERT Models
软件可追溯性建立并利用不同开发工件之间的关联。研究人员已经提出使用深度学习跟踪模型将自然语言工件（如需求和问题描述）链接到源代码;然而，它们的有效性受到标记数据的可用性和运行时效率的限制。在这项研究中，我们提出了一个新的框架称为跟踪BERT（T-BERT），以产生源代码和自然语言文物之间的跟踪链接。为了解决数据稀疏性问题，我们利用三步训练策略，使跟踪模型能够从一个密切相关的软件工程挑战中转移知识，该挑战具有丰富的数据集，以产生比以前更高精度的跟踪链接。然后，我们应用T-BERT框架来恢复开源项目中问题和提交之间的链接。我们比较了三个BERT架构的准确性和效率。结果表明，单BERT架构生成了最准确的链接，而Siamese-BERT架构产生了相当的结果，执行时间显着减少。此外，通过学习和传递知识，框架中的所有三个模型都优于经典的IR跟踪模型。在三个被评估的实际OSS项目中，最好的T-BERT稳定地优于VSM模型，使用平均平均精度（MAP）测量的平均改进为60.31%。由于训练数据不足，RNN在这些项目上表现严重不佳，而T-BERT通过使用预训练的语言模型和迁移学习克服了这个问题。
2021-02-22 cs.SE
Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks
William & Mary（威廉与玛丽学院）；Cisco Advanced Security Research Group（思科高级安全研究组）；Cisco Security and Trust Engineering（思科安全与信任工程部）
可追溯性是现代软件开发过程的基本组成部分，有助于确保程序正常运行和安全。由于手动建立跟踪链接的成本很高，研究人员已经开发出自动化的方法，使用相似性度量来绘制文本软件工件之间的关系。然而，这种技术的有效性往往是有限的，因为它们只利用单一的测量工件相似性，不能同时建模（隐式和显式）的各种开发工件的组之间的关系。在本文中，我们说明了如何通过使用量身定制的概率模型来克服这些限制。为此，我们设计并实现了一个层次化的ProObjectiveModel for SoftwarE Traceability（彗星），它能够推断出候选跟踪链接。Comet能够通过结合文本相似性的多种测量的互补观察能力来建模工件之间的关系。此外，我们的模型可以从整体上整合来自不同来源的信息，包括开发人员的反馈和软件工件组之间的传递（通常是隐式的）关系，以提高推理的准确性。我们对Comet进行了全面的实证评估，说明了在最佳情况下$\approx$ 14%的一组最佳配置基线上的改进，以及在所有受试者中$\approx$ 5%的平均精度。Comet在实践中的相对有效性可能更高，因为通常不可能进行最佳配置。最后，我们在对使用原型Comet Jenkins插件的Cisco Systems开发人员的调查中说明了Comet的实用性潜力。
2022-04-11 cs.AI cs.SE
Traceability in the Wild: Automatically Augmenting Incomplete Trace Links
Technical University Ilmenau（伊尔梅瑙工业大学）；University of Notre Dame（圣母大学）；McGill University（麦吉尔大学）
本文针对提交与问题之间追溯链接缺失的问题，提出利用过程与文本特征训练分类器自动识别缺失的问题标签，在六个开源项目上取得平均96%召回率和33%精确率，并能有效扩充现有追溯链接。
2018-04-06 cs.SE
ReqToCode: Embedding Requirements Traceability as a Structural Property of the Codebase
本文提出ReqToCode方法，通过将可追溯性元素直接嵌入代码库，使可追溯性成为编译时可验证的系统属性，而非外部文档任务。
2026-03-14 cs.SE
SpecMap: Hierarchical LLM Agent for Datasheet-to-Code Traceability Link Recovery in Systems Engineering
H2LooP.ai（H2LooP人工智能研究院）
SpecMap通过分层LLM代理实现嵌入式系统datasheet到代码的可追溯性链接恢复，提升映射精度与效率，支持自动化分析与下游应用。
2026-01-16 cs.AI cs.SE
Tracing Vulnerability Propagation Across Open Source Software Ecosystems
本文分析了超84,000个漏洞在28个开源软件生态系统中的传播，发现传播序列复杂且延迟长，为软件生态系统、可追溯性和漏洞知识库做出了贡献。
2025-09-16 cs.CR cs.SE
GitHub Repositories with Links to Academic Papers: Public Access, Traceability, and Evolution
已发表的科学突破及其实施之间的可追溯性至关重要，特别是在开源科学软件的情况下，这些软件在其代码中实现了前沿科学。然而，调整GitHub存储库和学术论文之间的链接可能很困难，目前建立和维护此类链接的做法仍然未知。本文探讨了这些知识库中所包含的学术论文参考文献的作用。我们对2万个引用学术论文的GitHub存储库进行了大规模研究。我们使用混合方法的方法来确定公共访问，可追溯性和进化方面的链接。虽然引用论文并不典型，但我们发现绝大多数引用的学术论文都是公共访问的。这些资料库往往与学术界有联系。超过一半的论文没有链接到任何存储库。我们发现，来自顶级SE场所的学术论文不太可能引用存储库，但当它们引用时，它们通常会链接到GitHub软件存储库。在arXiv论文和引用库的网络中，我们发现引用最多的论文（i）在学术界被高度引用，（ii）被不同程序设计语言编写的库引用。
2021-10-04 cs.DL cs.SE
R2Code: A Self-Reflective LLM Framework for Requirements-to-Code Traceability
City University of Hong Kong（香港城市大学）；Hong Kong Metropolitan University（香港都会大学）
本文提出R2Code框架，通过分解增强的双向对齐网络、自反思一致性验证模块和动态上下文适应检索机制，提升需求到代码追溯的准确性并降低推理成本。
2026-04-24 cs.SE
Natural Language-Programming Language Software Traceability Link Recovery Needs More than Textual Similarity
School of Computer Science and Artificial Intelligence, Wuhan Textile University（计算机科学与人工智能学院，武汉纺织大学）；School of Computer Science, Wuhan University（计算机科学学院，武汉大学）；The University of Melbourne（墨尔本大学）；The University of Western Australia（西澳大学）
针对软件可追踪性链接恢复中文本相似性不足的问题，提出整合多种领域特定辅助策略的HGT和Gemini 2.5 Pro模型，在需求-代码任务上平均F1分别提升3.68%和8.84%。
2025-09-06 cs.AI cs.SE
CertiA360: Enhance Compliance Agility in Aerospace Software Development
针对航空航天安全关键软件开发中敏捷方法难适配DO-178C等严格合规要求的问题，提出CertiA360工具，可自动化管理全生命周期变更、保障可追溯性与合规性，经验证可降本提效，证明定制化敏捷可适配高监管场景认证要求。
2025-11-14 cs.SE
How Requirements Quality Makes (or Breaks) Traceability Link Recovery
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg（哥德堡大学）
研究需求质量缺陷对自动化追踪链接恢复（TLR）性能的影响，通过标注189个用例描述中的28种缺陷并测试五种TLR方法，发现某些缺陷有害或有益，且不同方法响应各异。
2026-06-11 cs.SE
From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering
本研究通过对47个平台的文档调查和30个仓库的工具分析，发现智能体软件工程领域的记录缺乏可辩护性，存在可验证性漏洞，仅少数采用证明工具的仓库实现了端到端绑定。
2026-08-26 cs.SE
UOOR: Seamless and Traceable Requirements
本文提出UOOR需求工程方法，通过统一场景等概念并实现基于链接传播的无缝可追溯性，应对变化对需求实践的影响，并已在Roborace案例中验证。
2025-02-27 cs.SE
Auxiliary Artifacts in Requirements Traceability: A Systematic Mapping Study
本研究通过系统映射方法，识别并分析了需求追踪中使用的49种辅助制品及13种使用场景，揭示了辅助制品对追踪链接质量的影响，填补了该领域的文献空白。
2025-04-28 cs.SE
On the Impact of Requirement Smells in LLM-Based Code Generation
fortiss GmbH（fortiss有限公司）；Netlight Consulting（Netlight咨询公司）；Technical University of Munich（慕尼黑工业大学）；Chalmers University of Technology（查尔姆斯理工大学）；Trinity College Dublin（都柏林三一学院）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Blekinge Institute of Technology（布莱金厄理工学院）
本研究通过扩展先前数据集，评估需求气味对LLM生成代码功能正确性的影响，发现气味密度增加降低正确性，且影响因任务而异，凸显需求质量的重要性。
2026-09-25 cs.SE
Facilitating Evolution during Design and Implementation
企业需要处理的数据量和复杂性正在加速增长。为了有效竞争并确保其商业可持续性，它们必须在其数据和不断发展的系统设计中实现强有力的可追溯性。这是由CRISTAL软件解决的，该软件最初是由布里斯托尔的UWE在CERN为大型强子对撞机的粒子探测器之一开发的，随后被转移到商业领域。公司已经能够展示出更高的敏捷性，创造更多的收入，并提高他们在各个领域开发和实施系统的效率和成本效益，包括业务流程管理（BPM），医疗保健和会计应用程序。CRISTAL能够以TB级规模管理数据及其来源，在延长的时间尺度上具有完全的可追溯性，再加上其预防驱动的方法，为这些企业提供了未来证明动态发展软件所需的灵活适应性。
2015-02-05 cs.SE
Classifier or Prompt: A Case Study on Legal Requirements Traceability
University of Ottawa（渥太华大学）；University of Luxembourg（卢森堡大学）；Monash University（蒙纳士大学）；Lero Research Ireland centre for Software Research（Lero爱尔兰软件研究中心）；University of Limerick（利默里克大学）
本文提出Kashif和RICE_LRT两种方法，分别通过分类器和提示工程解决法律要求的可追溯性问题，实验表明Kashif在F2得分上优于基线，RICE_LRT在更复杂的GDPR文档中表现更优。
2026-03-12 cs.SE
Toward Semantically-Seeded, Graph-Propagated Impact Analysis Across Software Artifacts: A Vision
提出一种无需训练、可解释的融合方法，结合语义相似性与结构依赖，通过异构制品图与传播机制覆盖两种方法的盲点，实现跨需求-配置-服务-测试链的影响分析。
2026-06-18 cs.SE
