A Retrieval-Augmented Automated Stakeholder for Requirements Elicitation Education: A Comparative Study
King Saud University（沙特国王大学）
本研究针对需求工程教育中角色扮演受资源限制及LLM幻觉问题，采用基于LangChain的检索增强生成模拟干系人，实验表明其能提升需求获取问题质量与特征识别完整性。
2026-09-14 cs.SE
Towards an Automated Requirements-driven Development of Smart Cyber-Physical Systems
Charles University in Prague（布拉格查理大学）；Faculty of Mathematics and Physics（数学与物理学院）
自适应不变精化方法（IRM-SA）是一种针对智能信息物理系统（sCPS）开发的设计方法。它允许将系统需求系统地转换为表示为基于集成的组件系统（EBCS）的系统架构。然而，由于需求是使用自然语言捕获的，因此存在由于自然语言需求的模糊性而导致其被误解的危险，这最终可能导致设计错误。因此，需要设计过程的自动化和验证。在本文中，我们（i）分析自然语言的要求到IRM-SA模型的翻译过程，（ii）确定可以使用自然语言处理技术自动化和/或验证的各个步骤，（iii）提出合适的方法。
2016-03-29 cs.CL cs.SE
Automated Repair of Requirements for Cyber-Physical Systems in Simulink Requirements Tables
University of Toronto（多伦多大学）；McMaster University（麦克马斯特大学）；University of Bergamo（贝加莫大学）
提出一种利用系统执行数据修复信息物理系统需求以恢复需求与系统一致性的框架，并在六个真实案例中验证其有效性。
2026-06-02 cs.SE
A Survey on the Techniques and Tools for Automated Requirements Elicitation and Analysis of Mobile Apps
本文通过系统映射73篇论文，综述移动应用自动化需求获取与分析的技术与工具，发现半自动技术、开源非自研工具及需求分析、挖掘、分类任务占主导。
2025-09-01 cs.SE
ELICA: An Automated Tool for Dynamic Extraction of Requirements Relevant Information
University of Calgary（卡尔加里大学）；University of Pisa（比萨大学）；University of Technology Sydney（悉尼科技大学）
需求获取需要对最终系统所在的问题域有广泛的知识和深入的理解。然而，在许多软件开发项目中，分析人员需要从一个不熟悉的领域引出需求，这往往会导致分析人员和利益相关者之间的沟通障碍。在本文中，我们提出了一个需求启发辅助工具（ELICA），以帮助分析人员更好地了解目标应用领域的动态提取和标记的需求相关的知识。为了提取相关术语，我们利用加权有限状态转换器（WFSTs）在自然语言处理任务的动态建模中的灵活性和功能。除了通过文本传达的信息外，ELICA还捕获和处理有关说话者意图的非语言信息，例如他们的信心水平，分析语气和情绪。提取的信息作为一组标记的片段提供给分析师，这些片段具有突出显示的相关术语，这些术语也可以作为需求工程（RE）过程的工件导出。通过一个案例研究证明了ELICA的应用和有用性。这项研究表明，如何预先存在的相关信息的应用程序域和信息捕获在一个启发式会议，如对话和利益相关者的意图，可以被捕获和使用，以支持分析师完成他们的任务。
2018-07-21 cs.CL cs.IR cs.SE
Functional Requirements-Based Automated Testing for Avionics
我们提出并证明了一种方法，减少测试工作的安全关键软件开发使用DO-178指南。我们实现了这一目标，通过应用有界模型检验（BMC），以正式的低层次的要求，以自动生成测试，是足够好的，以取代现有的劳动密集型测试编写程序，同时保持独立的实现文物。鉴于现有的手动过程往往是经验和主观的，我们开始正式定义一个度量，它扩展了公认的最佳实践，从代码覆盖率分析策略，以生成测试，充分覆盖的要求。然后，我们制定的自动化测试生成程序，并应用其原型与工业合作伙伴的案例研究。在回顾中，这里开发的方法被证明可以显着减少人为的工作，根据DO-178指南的软件产品的资格。
2017-07-05 cs.SE
Requirements Strategy for Managing Human Factors in Automated Vehicle Development
本文运用需求策略视角，通过13次访谈，探讨自动驾驶汽车敏捷开发中人为因素需求的所有权、结构及流程，提供行业实践见解。
2024-05-29 cs.SE
CiRA: An Open-Source Python Package for Automated Generation of Test Case Descriptions from Natural Language Requirements
本文介绍CiRA工具，它从条件性自然语言需求中自动提取因果关系，生成全覆盖的最小测试用例集，并在61条需求上分别以84.5%和92.3%的准确率推断测试变量与配置。
2023-10-12 cs.SE
Automated Formalization of Probabilistic Requirements from Structured Natural Language
KBR Inc.（KBR公司）；NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）；The University of Manchester（曼彻斯特大学）；University of York（约克大学）；RTX Technology Research Center（RTX技术研究中心）
本文提出了一种自动方法，将结构化自然语言中的概率性要求转换为概率时序逻辑公式，以提升自主和适应性系统的形式化分析效率与准确性。
2025-12-15 cs.FL cs.PL cs.SE
RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback
Lero, the Research Ireland Centre for Software, University of Limerick（利默里克大学软件研究爱尔兰研究中心）；University College Dublin (UCD)（都柏林大学学院）；University of Padova（帕多瓦大学）
RITA通过整合轻量级开源大语言模型，实现从在线用户反馈自动分类需求、识别非功能需求并生成自然语言规范，提升需求工程的端到端支持能力。
2026-01-16 cs.SE
Automated synthesis of local time requirement for service composition
服务组合旨在通过组合现有的基于服务的应用程序或组件来实现业务目标。服务的响应时间是至关重要的，特别是在时间关键的业务环境中，这通常被规定为服务提供者和服务用户之间的服务级别协议中的一个条款。为了满足复合服务的保证响应时间要求，重要的是选择一组可行的组件服务，使得它们的响应时间将共同满足复合服务的响应时间要求。在这项工作中，我们使用的建模语言，旨在指定Web服务。我们扩展了它的定时参数，并配备了一个正式的语义。然后，我们提出了一个完全自动化的方法来合成的响应时间的要求，组件服务建模使用的服务，在当地的响应时间的约束的形式。合成的需求将保证静态或动态地满足全局响应时间需求。我们将我们的工作实现到一个工具中，Selamat，并进行了几个实验来评估我们的方法的有效性。
2020-03-18 cs.SE
From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline
Tata Consultancy Services（塔塔咨询公司）
针对法规合规性挑战，提出自动化管道，识别法规文档中条款并推导软件需求及解释。评估效果良好，还实现工具Reg2Req，用户研究表明可提升需求理解与行动信心。
2026-07-07 cs.AI cs.SE
Automated Requirements Relation Extraction
该研究针对文本需求关系抽取中歧义性强、专家成本高的问题，综述了需求关系基础、自然语言分类技术与信息抽取方法，并分析了前沿挑战与未来方向，为该领域理论与实践研究提供清晰视角。
2025-03-20 cs.SE
Automated Smell Detection and Recommendation in Natural Language Requirements
针对自然语言需求易出现歧义等质量问题导致项目失败的问题，提出工具Paska，利用NLP技术和受控自然语言Rimay自动检测需求坏味并提供改进建议，工业案例验证其检测与推荐准确率高。
2023-11-25 cs.SE
GUISpector: An MLLM Agent Framework for Automated Verification of Natural Language Requirements in GUI Prototypes
针对现有GUI测试方法难以应对现代界面复杂性、缺乏可执行反馈等问题，提出GUISpector框架，利用MLLM智能体自动验证GUI原型的自然语言需求，提取可执行反馈并提供集成工具，实验验证了其有效性。
2025-10-06 cs.SE
Automated Alignment between Elicitation Interviews and Requirements
University of Bologna（博洛尼亚大学）
提出将访谈转录与用户故事需求自动对齐的任务，定义忠实度和覆盖率两个度量，利用大语言模型和嵌入模型实现自动评估，在四个数据集上达到0.86 macro-F1。
2026-06-09 cs.CL cs.SE
On the Impact of Requirements Smells in Prompts: The Case of Automated Traceability
本文通过两个 LLM 的自动化需求—代码追踪实验，考察提示词中的需求坏味对性能的影响，发现其仅显著影响链接存在性判断，而不显著影响代码行级追踪。
2025-01-08 cs.SE
From Natural Language Requirements to Graphical User Interfaces: Automated Prototyping and Verification with Pretrained Language Models
Universität Mannheim（曼海姆大学）
本研究针对将自然语言需求转化为GUI原型及GUI应用需求验证的两大挑战，提出基于预训练语言模型的自动化方法，可显著减少相关手动工作量。
2026-08-26 cs.SE
Automated Requirements-Based Testing of Black-Box Reactive Systems
我们提出了一种新的方法来一致性测试的黑盒反应式系统。我们认为系统规范的线性时序逻辑公式，以生成测试的输入/输出对序列：输入提取的Buchi自动机对应的规格，并通过馈送输入到系统的输出。通过将输入/输出序列与自动机跟踪进行比较来检测是否违反规范，从而检查是否符合规范。我们认为提取测试和停止生成的几个标准，我们比较实验使用的覆盖率和错误检测指标。结果表明，该方法可以生成具有良好的系统覆盖率和错误检测能力的测试集。
2020-05-14 cs.LO cs.SE
Automated Configuration Synthesis for Machine Learning Models: A git-Based Requirement and Architecture Management System
提出基于git的T-Reqs工具，利用架构描述从需求文本自动生成可追溯的AI系统运行时配置，兼顾功能与非功能需求并支持ML模型运行时优化。
2024-04-26 cs.SE
Automated Generating Natural Language Requirements based on Domain Ontology
软件需求规格说明对于整个软件生命周期无疑是至关重要的。如今，编写软件需求规格说明主要依赖于人类的工作。虽然已经提出了大量的研究，通过提出先进的启发和分析技术，以加快这一进程，它仍然是一个耗时和容易出错的任务，需要考虑到领域知识和业务信息。在本文中，我们提出了一种方法，命名为ReqGen，它可以提供建议，自动生成自然语言的需求规格说明的基础上，某些给定的关键字。具体来说，ReqGen包括三个关键步骤。首先，从领域本体中选择面向关键词的知识，并将其注入到基本的统一预训练语言模型（UniLM）中进行领域微调。其次，集成了复制机制，以确保关键字在生成的语句中出现。最后，设计了一种需求语法约束的解码方法，以缩小候选规范和参考规范之间的语义和语法距离。在两个来自不同领域和不同群体的公共数据集上的实验表明，ReqGen在关键词（短语）包含的硬约束、BLEU、ROUGE和语法遵从性方面优于六种流行的自然语言生成方法。我们相信ReqGen可以提高软件需求描述的效率和智能性。
2022-11-30 cs.SE
What Works Better? A Study of Classifying Requirements
将需求分类为功能性需求和非功能性需求是需求工程的一项重要任务。然而，由于自然语言的可变性和缺乏受控词汇表，用自然语言编写的需求的自动分类并不简单。本文研究了如何自动分类的要求FR和NFR可以提高以及如何在这种情况下工作的几个机器学习方法。我们贡献了一个预处理的要求，在应用分类算法之前，将要求进行预处理和规范化的方法。此外，我们报告了几种现有的机器学习方法在将NFR自动分类为可用性、可用性或性能等子类别方面的表现。我们的研究是在OpenScience tera-PROMISE存储库提供的625个要求上进行的。我们发现，我们的预处理提高了现有的分类方法的性能。我们进一步发现，潜在狄利克雷分配，双项主题建模或朴素贝叶斯等方法在NFR子分类方面的性能存在显着差异。
2017-07-07 cs.SE
Self-Elicitation of Requirements with Automated GUI Prototyping
提出 SERGUI 方法，利用基于自然语言需求的 GUI 检索和大型语言模型，通过自动化 GUI 原型设计实现需求自我启发，减少人工成本并提升早期需求沟通效率。
2024-09-24 cs.SE
FREPA: An Automated and Formal Approach to Requirement Modeling and Analysis in Aircraft Control Domain
本文提出面向航空控制领域的形式化需求工程平台 FREPA，结合 AASRDL 与 AeroReq 工具，实现需求建模、验证与确认的自动化，并在九个真实系统中验证其工业有效性。
2023-06-02 cs.SE
Generating Requirements Out of Thin Air: Towards Automated Feature Identification for New Apps
应用商店挖掘已被证明是一种很有前途的需求获取技术，因为公司可以获得有价值的知识来维护和发展现有的应用程序。然而，尽管在使用挖掘技术进行需求获取方面取得了初步进展，但很少有人知道如何基于现有（类似）解决方案提取新应用程序的需求，以及从业者将如何从这种技术中受益。在拟议的工作中，我们专注于探索信息（例如应用程序商店数据）提供的人群对现有的解决方案，以确定在特定领域的应用程序的关键功能。我们认为，这些发现的功能和其他相关的有影响力的方面（如评级）可以帮助从业者（如软件开发人员），以确定新的应用程序的潜在的关键功能。为了支持这一论点，我们首先对从业者进行了一次访谈研究，以了解这种方法在实践中会在多大程度上找到冠军。在本文中，我们提出了我们正在进行的研究中的一个更大的路线图的背景下的第一个结果。我们的访谈研究证实，从业者看到我们设想的方法的必要性。此外，我们提出了一个早期的概念解决方案，讨论我们的方法的可行性。然而，这份手稿也旨在促进关于机器学习可以并且应该在多大程度上应用于不同论坛上的人群生成数据的自动化要求的讨论，并确定在这方面的进一步合作。
2019-09-25 cs.SE
Leveraging Graph-RAG and Prompt Engineering to Enhance LLM-Based Automated Requirement Traceability and Compliance Checks
本研究针对大语言模型在需求合规检查中信息检索与推理能力不足的问题，提出结合Graph-RAG框架与思维链、思维树等提示工程技术的方案，相比基线方法显著提升了准确性与上下文感知能力，同时指出了其成本、适配性与数据依赖方面的局限。
2024-12-11 cs.IR cs.SE
Coordinating Stakeholders in the Consideration of Performance Indicators and Respective Interface Requirements for Automated Vehicles
Institute for Control Engineering, TU Braunschweig（Brunswick理工大学控制工程研究所）；Institute of Automotive Engineering, TU Darmstadt（达姆施塔特工业大学汽车工程研究所）；Chair of Embedded Software, RWTH Aachen University（亚琛工业大学嵌入式软件讲席）
本文提出了一种协调自动驾驶车辆性能指标及接口要求利益相关者的过程，通过清晰文档实现利益相关者沟通、追溯性和知识转移。
2026-03-19 cs.SE cs.SY eess.SY
Data-driven Risk Management for Requirements Engineering: An Automated Approach based on Bayesian Networks
需求工程（RE）是一种降低交付不满足涉众需求的产品风险的方法。因此，RE中的一个主要挑战是决定需要多少RE以及应用什么RE方法。这些决策的质量主要取决于RE专家在仔细分析项目背景和当前状态时的经验和专业知识。然而，最近的工作表明，缺乏经验和资格是可再生能源问题的常见原因。我们根据NaPiRE调查的数据训练了一系列贝叶斯网络，以模拟RE问题之间的关系，其原因以及具有不同背景特征的项目的影响。这些模型被用于进行（1）事后（诊断）分析，得出次优RE性能的可能原因，以及（2）进行预防性分析，预测年轻项目可能遇到的问题。在评估之前，该方法对两个用例进行了严格的交叉验证程序
2020-07-07 cs.SE
Light over Heavy: Automated Performance Requirements Quantification with Linguistic Inducement
School of Computer Science and Engineering University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）；IDEAS Lab, School of Computer Science University of Birmingham（伯明翰大学计算机科学学院）
本文提出轻量级语言诱导匹配方法LQPR，将性能需求量化转化为分类问题，在多个数据集上以低两个数量级的成本超越九种基于学习的方法，证明专用方法在性能需求量化中优于通用大语言模型方法。
2025-11-05 cs.AI cs.SE
Development of a Structured Approach for Establishing Mission Engineering Requirements
Colorado State University（科罗拉多州立大学）
针对客户需求缺失时任务有效性难以系统定义的问题，提出一种将任务意图分解为上下文、功能、约束等要素的结构化方法，通过可行性评估、最佳-最差缩放和复杂度因子量化，为推导Tier 1和2需求提供可追溯基础。
2026-06-04 cs.SE cs.SY eess.SY
Automated Enterprise Applications Generation from Requirements Model
基于模型驱动的方法，可以从复杂的OO设计模型自动生成企业应用程序。设计模型包含有关如何将系统分解为组件、如何将系统操作封装到类中以及类的对象如何协作以实现系统操作的功能的信息。然而，从经过验证的需求模型构建设计模型的努力与回报不成比例。在实践中，非常希望有一种方法可以直接从经过验证的需求模型自动生成标准化的企业应用程序。在本文中，我们提出了一种方法RM 2 EA，它可以达到这一目标的基础上，基于合同的需求模型。我们通过13个案例研究证明了所提出的方法。评估结果表明，生成的应用程序的质量和效率几乎等于开发人员实现的应用程序：首先，我们证明了一种流行的企业应用程序类型（即，一个Jakarta EE应用程序）可以通过定制和改进规则集成功生成;第二，RM 2 EA可以生成可读性更强或更易维护的代码;第三，RM 2 EA生成的企业应用程序在测试结果中达到了相似的性能。总体而言，结果是令人满意的，所提出的方法的实施可以进一步加强和应用到软件开发行业。
2022-03-22 cs.SE
Improving Requirements Completeness: Automated Assistance through Large Language Models
本文利用BERT的掩码语言模型预测需求中缺失的术语，并通过机器学习过滤器降低噪声，有效提升了自然语言需求完整性检测的准确性与实用性。
2024-02-14 cs.SE
Requirements for Automated Assessment of Spreadsheet Maintainability
电子表格的使用非常广泛。无论是在商业，金融，工程还是其他领域，电子表格都是为了它们的灵活性和轻松性而创建的，可以快速建模问题。它们经常从简单的原型发展到关键业务逻辑的实现。在组织中发挥关键作用的电子表格自然会有很长的寿命，并由几个人维护和发展。因此，重要的是不仅要看它们的可靠性，即，预期功能的实现情况如何，以及它们的可维护性，即，诊断电子表格的缺陷并在不降低其质量的情况下对其进行修改是多么容易。在这份立场文件中，我们认为需要创建一个模型来估计（自动）测量的基础上的电子表格的可维护性。我们建议这样做，通过应用结构化的方法，已经显示出其价值的软件产品的可维护性的估计。我们还主张创建一个精心策划的，社区贡献的电子表格存储库。
2011-11-29 cs.SE
Bridging Natural Language and Formal Specification--Automated Translation of Software Requirements to LTL via Hierarchical Semantics Decomposition Using LLMs
School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院）；Guangzhou Institute of Technology of Xidian University（西安电子科技大学广州研究院）；China Academy of Space Technology（中国空间技术研究院）
本文提出Req2LTL框架，通过层次中间表示OnionL将自然语言需求转换为LTL，实现88.4%的语义准确性和100%的语法正确性。
2025-12-19 cs.SE
Multiple Analyses, Requirements Once: simplifying testing & verification in automotive model-based development
在基于工业模型的开发（MBD）框架中，通常使用文本描述非正式地指定需求。为了使正式方法的应用，这些规格需要正式的输入语言的所有正式工具，应适用于分析模型在不同的发展水平。在本文中，我们提出了一个统一的方法，计算机辅助的正式规格说明的要求和他们的完全自动化翻译成规约语言的不同的验证工具。我们考虑一个两阶段的MBD方案，第一个Simulink模型的开发，自动生成可执行代码。我们（i）提出了一种规约语言和一个原型工具，用于正式但仍然是文本的需求规范，（ii）展示了如何将这些需求自动转换为Simulink Design Verifier的输入语言，用于验证Simulink模型和BTC EmbeddedValidator的源代码验证，以及（iii）展示了我们的统一框架如何在自动化形式化验证之外还实现测试用例的自动化生成。
2019-06-17 cs.LO cs.SE
Generating Automated and Online Test Oracles for Simulink Models with Continuous and Uncertain Behaviors
测试自动化需要自动化的预言机来评估测试输出。对于信息物理系统（CPS），除了自动化之外，还应确保实现以下关键目标：（i）应在线检查测试输出，一旦检测到故障，立即停止昂贵的测试执行;（ii）应处理时间和数量连续的CPS行为;（iii）应提供定量的满意度或故障度量，而不是二进制的通过/失败输出;及（iv）他们应能行程CPS与环境相互作用所引致的不明朗因素。我们提出了一种自动化的方法来翻译CPS的要求，指定在基于逻辑的语言到Simulink -一个广泛使用的开发和仿真语言CPS指定的测试预言。我们的方法实现了上述目标，通过识别的一个片段的信号一阶逻辑（SFOL），以指定要求，定量语义的定义为这个片段和一个健全的翻译片段到Simulink。将该方法应用于11个工业案例研究的结果表明：（1）我们的需求语言可以表达所有的98个需求;（ii）我们的方法所需的时间和精力是可以接受的，显示出在实践中采用我们的工作的潜力，以及（iii）对于大型模型，与以离线方式检查测试输出时相比，我们的方法可以显著地减少测试执行时间。
2019-03-08 cs.SE
Event-Chain Analysis for Automated Driving and ADAS Systems: Ensuring Safety and Meeting Regulatory Timing Requirements
本文提出基于事件链建模的白盒方法，用于解决自动驾驶和ADAS系统的时间约束问题，提升合规性与安全性。
2025-11-22 cs.SE
NLP-based Automated Compliance Checking of Data Processing Agreements against GDPR
针对手动检查数据处理协议（DPA）符合GDPR成本高的问题，提出基于NLP的自动化合规检查方法，构建GDPR相关“应当”要求与术语表，通过短语级表示比对实现检查，在真实数据集上准确率达84.6%，较基线提升约20个百分点。
2023-06-18 cs.SE
Classification, Challenges, and Automated Approaches to Handle Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature Review
本文通过系统性综述69篇论文，梳理ML赋能系统中的30种非功能性需求及23项以上软件工程挑战，并归纳为六大类，为后续研究提供分类与展望。
2024-04-10 cs.SE
RepairFormer: Automated Repair of Structured Inputs Using Transformers
University of Houston（休斯顿大学）
RepairFormer是基于Transformer的结构化输入修复框架，通过格式标签、预言机验证等技术提升修复与内容恢复率，运行速度较现有最优方法快5倍，可高效修复JSON等结构化输入。
2026-08-06 cs.AI cs.SE
Automated Non-Functional Requirements Generation in Software Engineering with Large Language Models: A Comparative Study
The Pennsylvania State University（宾夕法尼亚州立大学）
本研究构建基于大语言模型的非功能需求自动生成框架，通过定制提示技术从功能需求推导质量驱动型非功能需求，经专家评估验证了生成质量，并对比了8款大语言模型的性能差异。
2025-03-19 cs.AI cs.SE
System-driven Cloud Architecture Design Support with Structured State Management and Guided Decision Assistance
本文提出CloudArchitectBuddy，通过结构化状态管理和引导式决策辅助支持云架构设计，在保证设计质量的同时提升了可用性，并指出结合聊天界面可进一步平衡系统化支持与对话灵活性。
2025-05-28 cs.HC cs.SE
Enhancing Cell Counting through MLOps: A Structured Approach for Automated Cell Analysis
Deep Learning Italia, Milan, Italy（Deep Learning Italia, 米兰，意大利）；Artificial Intelligence Venture Builder, London, UK（人工智能创业 builder，伦敦，英国）；Università di Bologna, Bologna, Italy（博洛尼亚大学，博洛尼亚，意大利）；Università di Bergamo, Bergamo, Italy（贝加莫大学，贝加莫，意大利）；Department of Innovative Technologies in Medicine and Dentistry, Università degli Studi G. d’Annunzio Chieti – Pescara, Chieti, Italy（创新医学与牙科技术系，切蒂-佩斯卡雷大学，切蒂，意大利）；Università degli Studi di Bari Aldo Moro, Bari, Italy（巴里阿尔多·莫罗大学，巴里，意大利）
本文提出了一种名为 CC-MLOps 的综合框架，通过集成数据预处理、模型训练、监控和可解释性等 MLOps 原则，有效提升了机器学习驱动的细胞计数系统的可靠性、可扩展性并减少人为错误。
2025-04-28 cs.LG cs.SE physics.app-ph
A Survey on Automated Log Analysis for Reliability Engineering
日志是由软件源代码中的日志语句生成的半结构化文本。近几十年来，软件日志在许多软件系统的可靠性保证机制中已变得必不可少，因为它们通常是记录软件运行时信息的唯一可用数据。随着现代软件向大规模发展，日志的数量迅速增加。为了使现代软件日志在可靠性工程中的有效和高效的使用，已经进行了一些研究自动日志分析。本调查详细介绍了自动日志分析研究的概况，包括如何自动化和辅助日志语句的编写，如何压缩日志，如何将日志解析为结构化事件模板，以及如何使用日志来检测异常，预测故障和促进诊断。此外，我们还调查了发布开源工具包和数据集的工作。基于对最新进展的讨论，我们提出了几个有前途的未来方向，现实世界和下一代自动日志分析。
2021-06-01 cs.SE
Automated Prototype Generation from Formal Requirements Model
原型化是一种有效的需求验证方法，可以避免在软件开发的早期阶段引入错误。然而，手工开发软件系统的原型需要额外的努力，这将增加软件开发的总成本。在本文中，我们提出了一种方法与开发工具自动生成的原型正式的需求模型。需求模型由用例图、概念类图、由系统序列图指定的用例定义及其系统操作的契约组成。我们提出了一种方法来分解成可执行部分和不可执行部分的合同。给出了一组转换规则，将可执行部分分解为预先实现的原语操作。不可执行的部分通常通过重要的算法来实现，例如对列表进行排序，找到最短路径或特定于域的计算。它可以手动实现或使用现有代码实现。开发了一个CASE工具，它为开发人员提供了一个接口，以便为合同的每个不可执行部分开发程序，并自动将可执行文件转换为预先实现的原始操作序列。我们已经进行了四个案例研究，涉及50多个用例。实验结果表明，93.65%的需求规格说明是可执行的，只有6.35%的需求规格说明是不可执行的，如排序和事件调用等，这些需求规格说明可以由开发人员手工实现，也可以调用Java库中高级算法的API实现。一秒钟生成的案例研究的原型需要大约九个小时的手动实现由熟练的程序员。总体而言，结果是令人满意的，所提出的方法与开发的CASE工具，可以应用到软件行业的需求工程。
2018-08-31 cs.SE
Which Requirements Artifact Quality Defects are Automatically Detectable? A Case Study
本研究基于行业指南分类166条需求工件规则，估计53%可自动检测，主要障碍为定义不精确，为自动化需求质量控制提供潜力概览。
2023-08-29 cs.SE
The missing link: Developing a safety case for perception components in automated driving
University of Waterloo（滑铁卢大学）；DENSO CORPORATION（电装公司）
安全保证是自动驾驶（AD）系统开发和社会接受的核心问题。感知是AD的一个关键方面，它在很大程度上依赖于机器学习（ML）。尽管已知的挑战与ML为基础的组件的安全保证，建议最近出现的单元级安全的情况下，解决这些组件。不幸的是，AD安全案例表达了系统级的安全要求，这些努力缺少将系统级的安全要求与单元级的组件性能要求相结合所需的关键链接参数。在本文中，我们提出了集成安全的情况下，感知（ISCaP），一个通用的模板，这样一个链接的安全参数专门为感知组件。该模板采用演绎和正式的方法来定义级别之间的强可追溯性。我们展示了ISCaP的适用性与详细的案例研究，并讨论了其作为一种工具，以支持增量开发的感知组件。
2022-09-06 cs.AI cs.LG cs.RO
An Automated Framework for the Extraction of Semantic Legal Metadata from Legal Texts
语义法律元数据提供有助于理解和解释法律条款的信息。因此，这种元数据对于系统分析法律要求十分重要。然而，手动增强一个大型的法律语料库与语义元数据是昂贵的。我们的工作是出于两个观察：（1）现有的需求工程（RE）文献没有提供一个统一的视图语义元数据类型，是有用的法律需求分析;（2）对语义法律元数据提取的自动化支持很少，它没有充分利用人工智能技术的潜力，特别是自然语言处理（NLP）和机器学习（ML）。我们的目标是采取措施克服这些限制。要做到这一点，我们回顾和调和的语义法律元数据类型提出的RE文献。随后，我们设计了一个自动提取方法，使用NLP和ML识别的元数据类型。我们通过两个案例研究，对我们的方法进行评估。我们的研究结果表明，在生成元数据注释的准确性很高。特别是，在两个案例研究中，我们能够获得97.2%和82.4%的精确度分数和94.9%和92.4%的召回分数。
2020-01-30 cs.SE
AutoOffAB: Toward Automated Offline A/B Testing for Data-Driven Requirement Engineering
本文提出AutoOffAB，通过自动对近期日志运行多种离线A/B测试变体并更新评估结果，以更可靠、系统化地支持数据驱动需求决策。
2024-08-09 cs.SE
Automating Requirements Traceability: Two Decades of Learning from KDD
本文总结了我们使用数据中的知识发现（KDD）方法进行自动化需求跟踪的经验，并讨论了我们的见解。
2018-07-30 cs.SE
ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains
Constructor University Bremen（Constructor大学不莱梅）
本文提出 ReqFusion 框架，利用多大型语言模型提供者自动提取和分析软件需求，通过 PEGS 方法提升准确性与效率，实验显示 PEGS 引导提示在 F1 分数上优于通用提示。
2026-03-24 cs.AI cs.SE
Semantic Evolution over Populations for LLM-Guided Automated Program Repair
University of Texas at Dallas（达拉斯德州大学）；FPT Software AI Center（FPT软件人工智能中心）；Hanoi University of Science and Technology（河内科技大学）
本文提出EvolRepair框架，通过语义进化算法提升LLM引导的自动程序修复效果，解决修复假设多样性、语义相关修复家族识别等挑战。
2026-04-02 cs.SE
SVRepair: Structured Visual Reasoning for Automated Program Repair
Ant Group（蚂蚁集团）；Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems（浙江可感知智能系统重点实验室）
SVRepair 通过结构化视觉表示框架，结合多模态信息提升程序修复的准确性与效率。
2026-08-04 cs.AI cs.CV cs.SE
ReqElicitGym: An Evaluation Environment for Interview Competence in Conversational Requirements Elicitation
Peking University（北京大学）；Wuhan University（武汉大学）；Beijing Forest University（北京林业大学）；East China Normal University（华东师范大学）
ReqElicitGym通过引入新数据集和交互式评估机制，系统评估LLM在会话需求 elicitation 中的面试能力，揭示其在隐含需求识别上的不足。
2026-02-20 cs.SE
