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
Requirements Traceability: Recovering and Visualizing Traceability Links Between Requirements and Source Code of Object-oriented Software Systems
本文提出 YamenTrace 方法，结合潜在语义索引和形式概念分析，自动恢复并可视化面向对象软件中需求与代码之间的可追溯链路，以减轻人工维护负担并提升需求管理效率。
2023-07-09 cs.SE
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
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
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
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
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
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
Semantically Enhanced Software Traceability Using Deep Learning Techniques
在大多数安全关键领域中，认证机构规定了对可追溯性的需求。跟踪链接通常是在需求、设计、源代码、测试用例和其他工件之间创建的，然而，手动创建这样的链接既耗时又容易出错。自动化解决方案使用信息检索和机器学习技术来生成跟踪链接，然而，当前技术未能理解软件工件的语义或将领域知识集成到跟踪过程中，因此倾向于提供不精确和不准确的结果。在本文中，我们提出了一个解决方案，使用深度学习将需求工件语义和领域知识纳入跟踪解决方案。我们提出了一个跟踪网络架构，利用词嵌入和递归神经网络（RNN）模型来生成跟踪链接。词嵌入学习表示领域语料库知识的词向量，RNN使用这些词向量来学习需求工件的句子语义。我们使用正训练控制域中现有的跟踪链路训练了360种不同配置的跟踪网络，并将双向门控递归单元（BI-GRU）确定为跟踪任务的最佳模型。BI-GRU的性能明显优于最先进的跟踪方法，包括向量空间模型和潜在语义索引。
2018-04-06 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
Every Maintenance Has Its Exemplar: The Future of Software Maintenance through Migration
The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室）
本文提出首个系统研究议程，探讨基于迁移的软件维护方法，旨在通过迁移技术提升自动化维护效率并解决关键挑战。
2026-02-15 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
On The Gap Between Software Maintenance Theory and Practitioners' Approaches
研究人员对从业人员在实践中执行维护任务的方式知之甚少。反过来，从业人员并不总是与研究界提供的建议保持同步。这项工作调查的研究社区和软件维护实践提出的软件维护技术之间的差距。我们对来自92家公司和12个国家的112名从业人员进行了调查。我们专注于分析从业者是否以及如何理解和应用以下主题：不良气味，重构，软件度量和变更影响分析。这项研究表明，在这些主题的研究方法和行业实践之间存在很大的差距，特别是在变化影响分析和软件度量。
2021-04-08 cs.SE
Visually Exploring Software Maintenance Activities
雷曼定律告诉我们，随着时间的推移，软件系统将越来越不令用户满意，除非它不断地适应新的需求。以前的一系列工作试图通过研究如何将提交分为三个主要的软件维护活动来更好地理解软件维护。纠正：故障修复;完善：系统改进;自适应：新功能引入。在这项工作中，我们建议在项目和个人开发范围内探索软件维护活动的可视化。我们使用一个使用Shiny R框架构建的原型来演示我们的方法。此外，我们还发布了我们的原型作为在线演示。此演示允许用户探索一些流行的开源项目的维护活动。我们相信，我们提供的可视化可以帮助从业者监控和维护软件项目的健康。特别是，它们可以用于识别项目和开发人员维护活动中的一般不平衡、峰值、深度和其他异常。
2019-10-20 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
RepoSummary: Feature-Oriented Summarization and Documentation Generation for Code Repositories
本文提出RepoSummary，一种面向特性的代码仓库摘要方法，可自动生成文档并建立功能特性到代码元素的追踪链接，显著提升了特性覆盖率和追踪准确性。
2025-10-13 cs.SE
Estimating software reliability in maintenance phase through ann and statistics
维护是软件开发生存周期中最后也是最关键的阶段。它涉及错误的调试和用户要求的不同类型的增强。软件可靠性维护是最关键的部分，因为它取决于纠正错误和增强的时间和成本。人们常常觉得软件错误或纠正需要时间来消除。维护时间取决于所发生错误的性质和所请求的增强功能。在这项研究工作中，我们预测软件的可靠性方面所花费的时间来维护的错误和增强。采用人工神经网络对软件维护阶段的可靠性进行分析和预测。最后将统计结果与所提出的神经网络结果进行比较，以确保预测结果与输出结果相等。这些结果进行了比较，表明人工神经网络可以更好地理解数据之间的关系。这项研究工作还表明，理解维护数据的性质是多么困难。
2016-05-03 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
Maintenance Support in Open Source Software Projects
互联网的便捷和大部分免费访问导致了开源软件（OSS）的使用越来越多。然而，人们普遍认为，封闭的专有软件在软件维护和管理等领域仍然更优越。本研究的研究模型建立了维护问题（如用户请求和错误处理）与开源软件通过项目论坛、邮件列表和跟踪器提供的支持之间的关系。为了进行这项研究，我们使用了一个由120个开源软件项目组成的数据集，涵盖了广泛的类别。研究结果表明，项目论坛和邮件列表在解决开放源码软件中的用户请求方面发挥着重要作用。然而，根据实证调查，已经探索出跟踪器被用作错误报告以及用户请求的有效媒介。
2015-11-27 cs.SE
A Step towards Software Corrective Maintenance Using RCM model
从软件工程的初始阶段开始，在软件开发的整个周期中，选择适当的标准实施对利益相关者来说仍然是一个挑战，但它可能会导致减少软件维护阶段所需的工作。纠正性维护是在交付后对软件产品进行的反应性修改，以纠正发现的故障。不同研究人员进行的研究表明，大约50%至75%的精力用于维护，其中大约17%至21%用于纠正性维护。本文提出了一种减少纠正性维护（Reduce Corrective Maintenance，RCM）模型，该模型描述了多个检查表的实施过程，以指导软件开发各个阶段的利益相关者。这些检查表将由所有阶段的相应利益相关者在开始前填写。在相关阶段更精确地使用检查表，确保分析、设计、编码和测试标准的成功执行，以减少运营阶段的错误。并通过RCM模型描述了检查表在软件开发生存周期中的逐步集成。
2009-09-03 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
Towards Software Analytics: Modeling Maintenance Activities
雷曼定律告诉我们，随着时间的推移，软件系统将越来越不令用户满意，除非它不断地适应新的需求。了解软件维护可以潜在地减轻行业从业者目前经历的许多痛苦，并有助于减少不确定性、提高成本效益、可靠性等。研究界将软件维护分为3个主要活动：纠正：故障修复;完善：系统改进;适应：新功能引入。在这项工作中，我们试图模拟软件维护活动和设计一个提交分类方法能够产生一个高质量的分类模型。我们对我们的方法和现有技术进行了比较分析，基于11个流行的开源项目，我们手动分类了1151个提交，每个研究项目中有超过100个提交。我们设计的模型能够为测试数据集实现76%的准确度和63%的Kappa（在此上下文中被认为是“良好”），提高了20个百分点以上，在跨项目分类的背景下相对提高了约40%。然后，我们利用我们的提交分类方法来演示两个应用程序：（1）一个工具，旨在提供一个直观的可视化软件维护活动随着时间的推移，（2）深入分析维护活动和单元测试之间的关系。
2019-03-09 cs.SE
Debt-Prone Bugs: Technical Debt in Software Maintenance
修复bug是软件开发和维护的一个重要阶段。在实践中，bug修复的过程可能会与发布时间表相冲突。这种冲突导致了软件质量和发布进度之间的权衡，这被称为技术债务隐喻。在这篇文章中，我们提出了债务倾向的错误的概念，在软件维护中的技术债务模型。我们确定了三种类型的债务倾向的错误，即标签错误，重新打开的错误，和重复的错误。对Mozilla进行了案例研究，以检查软件产品中容易产生债务的错误的影响。我们调查债务倾向的错误和产品质量之间的相关性。对于正在开发的产品，我们基于历史产品构建预测模型来预测修复错误的时间成本。结果表明，识别债务倾向的错误可以帮助监控和提高软件质量。
2017-04-16 cs.SE
A Literature Review of Code Clone Analysis to Improve Software Maintenance Process
随着系统的增长，软件系统变得越来越复杂，其中维护这样的系统是行业的主要关注点。代码克隆是造成软件维护困难的因素之一。这是一个通过复制粘贴来复制代码块的过程，在软件开发中很常见。在项目的开始阶段，开发人员发现它很容易和耗时，但从长远来看，它有关键的缺点。有两种类型的研究人员，其中一些研究人员认为克隆在维护阶段导致额外的变化，在后期阶段增加了整体维护工作。另一方面，一些研究人员认为克隆的代码比非克隆的代码更稳定。本研究探讨了代码克隆的概念、方法、克隆检测工具、相关研究、案例分析等。
2012-05-25 cs.SE
An Analysis of Technical Debt Management Through Resources Allocation Policies in Software Maintenance Process
本文基于系统动力学方法，在大量文献回顾和二手数据的基础上，建立了一个计算模拟模型，通过分析软件维护过程中的资源配置策略，分析了软件维护过程中的技术债务管理，以说明不同的策略如何导致不同行为的出现。大多数将系统动力学应用于软件项目研究的工作，都集中在其生存周期的初始阶段，而对于运行和维护阶段的长期行为则留下了空白。结果表明，过度关注完善的维护活动可能比进行定期预防性维护以减少所产生的技术债务成本更高，最终部署的功能更少，积压更高，生产力更低，可维护性更低，技术原理更高。
2016-09-22 cs.SE
Exploring the Lifecycle and Maintenance Practices of Pre-Trained Models in Open-Source Software Repositories
本文提出一项探索性研究计划，通过挖掘开源软件仓库分析预训练模型的使用、维护与测试实践，旨在为模型依赖背景下的软件工程实践提供可操作见解。
2025-04-08 cs.SE
The Co-Evolution of Test Maintenance and Code Maintenance through the lens of Fine-Grained Semantic Changes
自动化测试是一种被广泛采用的提高软件质量的技术。作为软件开发过程的一部分，以及在初始发布后的演变阶段，软件开发人员添加、删除和更新测试方法和测试类。在这项工作中，我们进行了大规模的研究，61个流行的开源项目，并报告之间的关系，我们已经建立了测试维护，生产代码维护，语义变化（例如，语句添加，方法删除等）。在开发人员的提交中执行。我们建立了预测模型，并表明软件项目中的测试数量可以通过使用代码维护配置文件（即，在每个维护活动中执行了多少次提交：纠正、完善、自适应）。我们的研究结果还表明，开发人员在同一提交中执行代码修复而不执行补充测试维护（例如，更新现有测试或添加新测试）。当开发人员执行测试维护时，很可能会受到他们作为提交的一部分执行的语义更改的影响。我们的工作是基于研究61个流行的开源项目，包括超过240，000个提交，其中包括超过16，000，000个语义更改类型实例，由超过4，000名软件工程师执行。
2017-09-26 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
Analyzing Maintenance Activities of Software Libraries
针对工业应用中开源库维护风险，提出自动监控直接与传递依赖维护活动的方法，减少人工并提升安全性。
2025-04-23 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
On the Use of Commit Messages for Corrective Software Maintenance: A Systematic Mapping Study
Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院）
本文通过系统映射研究97篇2004至2025年发表的文献，探讨提交信息在纠正性维护中的应用，发现提交信息在 bug 分析和修复识别中作用显著，但其他领域如自动程序修复研究较少。
2026-03-31 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
Release as a Contract: A Concept of Meta-Maintenance for the Entire FLOSS Ecosystem
我们提倡在支持自由/自由和开源软件（FLOSS）生态系统维护方面进行范式转变，从关注单个项目到监控整个FLOSS生态系统的整个有机系统，我们称之为软件元维护。我们讨论了基于区块链技术构建全球源代码管理系统、全球问题管理系统和FLOSS人力资本指数的挑战。
2022-04-27 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
Software Must Move! A Description of the Software Assembly Line
本文描述了一套自动化和控制软件系统的开发和维护的工具。心智模型是一条软件装配线。程序设计和构造在各个程序员工作站进行。单个软件组件的集成发生在装配线上的后续站点。软件沿着装配线自动移动到最终包装。正在构建或维护的软件被划分为多个包。每个软件包都由一个配方和配料组成。引入了一些新的术语来描述成分。配方规定了原料如何转化为产品。解释了软件装配线在开发、维护和管理大型计算机系统方面的好处。
2010-06-10 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
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
Study of the Utility of Text Classification Based Software Architecture Recovery Method RELAX for Maintenance
背景软件体系结构恢复方法RELAX从系统的源代码中以图形和文本的方式产生软件系统的基于关注的体系结构视图。该方法已在软件中实现，该软件可以在源代码用Java编写的主题系统上运行。目标。我们的目标是找出RELAX生成的架构视图的可用性是否可以帮助新项目的维护人员更快地完成开发任务，并找出他们在这样的环境中工作的感受。法我们对9名参与者进行了用户研究。他们进行了一个对照实验，其中维修成功率和速度与不访问RELAX恢复结果进行了比较。结果我们观察到，使用RELAX生成的架构视图可以帮助参与者将开始维护任务的时间减少5.38倍或更多。虽然大多数参与者在没有恢复结果的情况下无法在规定的时间内完成任务，但他们都成功地完成了任务。此外，与会者报告说，这些视图易于理解，有助于他们了解系统的结构，并使他们能够比较系统的不同版本。结论.从参与者经历的维护开始的加速以及他们基于经验的观点来看，RELAX已经证明了自己是一个有价值的帮助，可以为进一步的工具提供基础，这些工具专门支持开发过程，重点是维护。
2021-08-30 cs.SE
Analyzing the Evolution and Maintenance of Quantum Software Repositories
本研究通过挖掘GitHub上2.1万余个量子软件仓库的120万次提交，分析其演化与维护特征，揭示了增长趋势、提交类型分布及量子特有问题占比，为量子软件工程实践改进提供实证依据并开源数据集。
2025-06-06 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
Supporting Software Maintenance with Dynamically Generated Document Hierarchies
本文提出全自动文档生成流水线HGEN，通过LLM将源代码经六阶段转换为多层次文档，并在多个开源与工业项目中验证其质量接近人工文档且覆盖率更高。
2024-08-11 cs.SE
Insights into Dependency Maintenance Trends in the Maven Ecosystem
本文使用Goblin框架定量分析Neo4j数据集，发现依赖较少的版本更易错过发布，而最新版本依赖新鲜度为正，表明管理效能更优，有助于改善生态健康。
2025-03-28 cs.SE
