Integrating goals after prioritization and evaluation-A Goal-oriented requirements engineering method
需求工程中的决策支持系统在软件开发生存周期中起着重要的作用。在需求工程阶段，功能需求和非功能需求之间的关系往往在解决冲突或达成决策方面起着至关重要的作用。面向目标的需求工程（GORE）方法对解决这些问题进行了很好的尝试，这有助于决策支持。我们提出了一个GORE方法-集成目标后的优先级和评估（IGAPE）。该方法是半正式的，因此确保了利益攸关方的积极参与。本文详细阐述了IGAPE方法的各个步骤。IGAPE的输出，然后给出作为输入的决策支持系统，它利用层次分析法（AHP）和技术的顺序偏好的相似理想的解决方案（TOPSIS）。IGAPE与AHP和TOPSIS的集成将清楚地为需求工程阶段的各种决策提供依据。该方法是说明了电子商务应用程序，并通过专家分析方法进行了验证。
2014-12-08 cs.SE
Improving Software Requirements Prioritization through the Lens of Constraint Solving
Linnaeus University（林奈大学）；University of New Brunswick（新不伦瑞克大学）
本文提出一种基于约束求解和交互式成对比较的需求优先级排序方法，利用分析师知识处理不确定性，在真实医疗项目中验证了其有效性和鲁棒性优于现有方法。
2023-06-21 cs.AI cs.SE
Prioritizing Software Requirements Using Large Language Models
本文提出一个基于AI智能体和提示工程的网络工具，利用大型语言模型自动化敏捷需求优先级排序，以在时间和预算约束下满足利益相关者需求，并开源原型代码。
2024-04-05 cs.SE
Automating System Test Case Classification and Prioritization for Use Case-Driven Testing in Product Lines
在许多软件开发环境中，产品线工程（PLE）是一个至关重要的实践，在这些环境中，软件系统是复杂的，并为具有不同需求的多个客户开发。同时，许多开发过程都是用例驱动的，这强烈地影响了他们的需求工程和系统测试实践。在本文中，我们提出，应用，并评估一个自动化的系统测试用例分类和优先级的方法，专门针对系统测试的用例驱动的开发的产品系列的背景下。我们的方法提供：（i）自动化支持对产品族中的新产品、与先前产品相关联的相关且有效的系统测试用例进行分类，以及（ii）使用诸如产品族中的需求的故障倾向性和需求波动性的多个风险因素来自动化系统测试用例的优先级排序。我们的评估是在汽车领域的工业产品系列的背景下进行的。结果提供了经验证据，我们提出了一个实用的和有益的方法来分类和优先级的工业产品线的系统测试用例。
2020-06-17 cs.SE
Team Diversity Promotes Software Fairness: An Experiment on Fairness-Aware Requirements Prioritization
UFRPE（累西腓联邦大学）；University of Calgary（卡尔加里大学）；Dalhousie University（达尔豪斯大学）；University of Hawaii at Manoa（夏威夷大学马诺阿分校）
研究探讨了软件团队多样性对需求优先级排序中公平意识行为的影响，发现多样性团队更一致地拒绝存在公平风险的故事，且决策理由更强调包容性和伦理责任。
2026-03-12 cs.SE
Towards Utility-based Prioritization of Requirements in Open Source Environments
Graz University of Technology（格拉茨工业大学）；vogella GmbH（沃格拉有限公司）；University of Helsinki（赫尔辛基大学）
Eclipse等开源项目中的需求工程面临着必须以一种或多或少不显眼的方式为各个贡献者的需求划分优先级的挑战。与传统的工业软件开发项目相比，开源平台的贡献者可以自己决定下一步要实现哪些需求。在这种情况下，优先化的主要作用是支持贡献者找出接下来要实现的最相关和最有趣的需求，从而避免耗时和低效的搜索过程。在本文中，我们将展示如何实用程序为基础的优先级方法可以用来支持贡献者在传统的以及在开源的需求工程方案。作为一个开源环境的例子，我们使用Bugzilla。在这种情况下，我们还展示了如何依赖关系可以考虑在基于效用的优先级排序过程。
2021-02-17 cs.AI cs.SE cs.SI
User-Centric Requirements Prioritization in mHealth Applications: Insights from a Discrete Choice Experiment
Monash University（蒙纳士大学）；Deakin University（迪肯大学）；Swinburne University of Technology（斯威本科技大学）
本研究通过离散选择实验分析mHealth应用用户偏好，揭示影响适应设计采用的关键因素，为软件工程中的需求优先级确定提供指导。
2026-01-08 cs.SE
Assisted Requirements Selection by Clustering
本文提出将 MoSCoW 方法与聚类分析结合辅助需求选择，并在含20、50和100项需求的三个案例中验证其能有效识别核心需求集。
2024-01-23 cs.SE
Interval Valued Trapezoidal Neutrosophic Set for Prioritization of Non-functional Requirements
BML Munjal University（BML Munjal大学）
本文讨论了梯形模糊数（TrFN）、区间直觉模糊数（IVIFN）、模糊集及其运算法则、梯形模糊集（TrNS）及其运算法则。将区间值梯形中性集与区间值梯形中性集相结合，提出了区间值梯形中性集，并给出了其运算法则。本文还提出了建议的区间值梯形中性数（IVTrNN）的得分和精度函数。然后，引入区间值梯形多项式加权算术平均（IVTrNWAA）算子，将单位实数区间内的梯形多项式信息进行组合;最后，开发了一种方法来处理的问题，在多属性决策（MADM）环境中使用IVTrNWAA运营商其次是NFR优先级的数值例子来说明所开发的方法的相关性。
2019-05-07 cs.AI cs.NE cs.SE
Choosing Requirements for Experimentation with User Interfaces of Requirements Modeling Tools
在为需求建模工具设计一个新的表示前端时，我们遇到了一个普遍的问题：设计这样一个接口需要大量的实验，当工具的代码需要适应每个实验时，这是昂贵的。另一方面，当使用简化的用户界面（UI）工具时，结果难以概括。为了改善这种情况，我们正在开发一个基于所谓ImitGraphs的UI实验工具。ImitGraphs可以作为一个简单但准确的建模工具的替代品。在本文中，我们定义了这样一个UI实验工具的基础上，现有的需求建模工具的功能分析的要求。
2017-07-10 cs.SE
Fuzzy Inference System for Test Case Prioritization in Software Testing
School of Information Technology and Engineering（信息技术与工程学院）；Kazakh-British Technical University（哈萨克斯坦-英国技术大学）；Faculty of Information Technology（信息技术学院）
本文提出一种基于模糊逻辑的测试用例优先级排序（TCP）自动化方法，利用失败率、执行时间等模糊变量及前提测试用例等参数建立特征与优先级的联系，实验证明其能有效排序并降低测试资源消耗。
2024-04-25 cs.AI cs.SE
Requirements engineering in open innovation: a research agenda
近年来，开放式创新（OI）得到了广泛的关注，并使企业意识到他们需要考虑周围的开放环境。为了促进这一转变，需求工程（RE）需要进行调整，以管理新的需求来源以及利益相关者网络的增加和复杂性。作为回应，我们建立并推进了一个早期提出的软件工程框架，以促进开放式创新，重点是利益相关者管理，何时开放，优先级和发布计划。开源RE的文献与软件工程中OI的最新研究结果进行了对比，以建立该领域的当前观点。基于综合的研究结果，我们提出了一个研究议程的重点领域，随着框架模型，以帮助研究人员框架和分解他们的研究问题，考虑不同的角度隐含的OI模型。
2022-07-31 cs.SE
A Systematic Mapping Study on Requirements Engineering in Software Ecosystems
软件生态系统（SECO）和开放式创新过程被认为是软件行业的前进方向。正确理解需求对于这些IT系统和传统IT系统同样重要。本文提出了一个映射研究的问题，需求工程和质量方面的SECO和分析新兴的想法。我们的研究结果表明，在需求工程的各个阶段或子任务，大部分的SECO具体的研究已经完成的启发，分析和建模。另一方面，需求选择，优先级，验证和可追溯性吸引了一些已发表的研究。在各种质量属性中，SECO的研究主要集中在安全性、性能和可测试性方面。另一方面，可靠性，安全性，可维护性，透明度，可用性吸引了很少发表的研究。本文提供了一个审查的学术文献SECO相关的需求工程活动，建模方法和质量属性，位置的源出版物的分类问题，并确定了差距，很少有研究。
2017-12-31 cs.SE
Selecting Cybersecurity Requirements: Effects of LLM Use and Professional Software Development Experience
本研究通过分组实验探究LLM使用与软件开发经验对网络安全需求优先级排序的影响，发现LLM使用无显著作用，而经验丰富者在用户体验影响评分和风险估算上存在显著差异。
2025-10-05 cs.SE
Penetration Testing in Agile Software Development Projects
敏捷开发方法通常用于迭代地开发信息系统，它们可以轻松地处理不断变化的业务需求。Scrum是最流行的敏捷软件开发框架之一。这种流行是由于简化的过程框架及其对团队合作的关注。软件工程师的目标是在软件开发项目期间更快、更频繁地向客户交付工作软件并进行演示。然而，发展中的信息系统的安全要求往往具有低优先级。这种需求优先级问题会导致解决方案满足所有业务需求，但容易受到潜在安全威胁的影响。Scrum框架的主要好处是迭代开发方法和自动化渗透测试的机会。因此，安全漏洞可以被发现和解决更频繁，这将积极地有助于整体信息系统的保护，防止潜在的黑客。在这篇研究论文中，作者提出了如何在敏捷软件开发框架中考虑渗透测试和软件开发生命周期中的相关安全需求，以丰富Sunday。作者在本文中应用的知识和专业知识，从他们以前的工作集中在新的信息系统渗透测试方法PETA的发展，重点是使用COBIT 4.1作为这些测试的管理框架，并在以前的工作集中在裁剪的项目管理框架PRINCE2与SHELL。
2015-04-03 cs.SE
Proactive Prioritization of App Issues via Contrastive Learning
University of Kentucky（肯塔基大学）
移动应用商店以用户评论的形式产生大量数据，这是用户需求和情感的巨大来源;这些评论允许应用开发人员主动解决应用中的问题。然而，只有少量的评论捕捉到了共同的问题和情感，这就需要自动识别突出的评论。不幸的是，大多数现有的文本排名和流行度预测工作都集中在其他信号可用的社交环境中，这使得这些工作在应用评论的背景下无效。在这项工作中，我们提出了一个新的框架，PPrior，通过识别突出的评论（预测在给定的时间窗口内获得大量投票的评论），可以主动优先考虑应用程序问题。预测高投票评论是具有挑战性的，因为与社交帖子不同，用户的社交网络功能不可用。此外，还有一个类别不平衡的问题，因为大量的用户评论几乎没有投票。PPrior采用预先训练的T5模型，分三个阶段工作。第一阶段将预先训练的T5模型以自我监督的方式适应用户评论数据。在第二阶段，我们利用对比训练来学习用户评论的通用和独立于任务的表示。第三阶段使用半径邻居分类器进行最终预测。此阶段还使用FAISS索引以实现可扩展性和高效搜索。为了进行广泛的实验，我们从Google Play获取了超过210万条用户评论的大型数据集。我们的实验结果表明，所提出的框架相比，对几个国家的最先进的方法的有效性。此外，PPrior在预测突出评论方面的准确性与经验丰富的应用程序开发人员相当。
2023-03-12 cs.IR cs.LG cs.SE
Applying Large Language Models API to Issue Classification Problem
Grand Canyon University（大峡谷大学）；Northern Arizona University（北亚利桑那大学）
本研究提出一种基于GPT和少样本微调的自动化方法，用于在较小数据集上可靠地进行软件工程问题报告的分类与优先级排序，模型在精确率、召回率和F1分数上均取得优异表现。
2024-01-09 cs.AI cs.CL cs.LG
A Decision Support System to Choose Optimal Release Cycle Length in Incremental Software Development Environments
在过去的几年里，我们已经看到许多软件供应商已经开始以非常短的发布周期增量地交付项目。这种方法成功的最好例子是Ubuntu操作系统，它有6个月的发布周期和流行的Web浏览器，如Google Chrome，Opera，Mozilla Firefox。然而，项目经理很少有知识来验证所选择的发布周期长度。我们提出了一个决策支持系统，有助于验证和估计发布周期长度在早期开发阶段，假设发布周期长度直接受三个因素影响，（i）选择正确的要求，为当前周期，（ii）估计近的时间，为每个要求，（iii）需求明智的反馈，从最后一次迭代的基础上，产品接收，模型的准确性和失败的要求。我们对G. Ruhe选择当前周期的最佳需求，并使用基于UCP（用例点）的估计和反馈因子将其映射到时域。该模型已在内部和行业项目中进行了评估。
2016-10-06 cs.SE
Experimenting with Multi-Agent Software Development: Towards a Unified Platform
本文提出一个统一的多智能体软件开发平台，利用GPT-3.5、GPT-4和Llama3等模型将用户需求自动转化为用户故事、UML图、API、测试等交付物，并支持安全合规检查与阶段控制。
2024-06-08 cs.SE
Reconsidering Requirements Engineering: Human-AI Collaboration in AI-Native Software Development
Faculty of Information Technology, University of Jyväskylä（信息技术学院，约赫斯库利亚大学）
本文探讨AI原生软件开发中AI对传统需求工程的增强路径，分析其带来的机遇与挑战，呼吁践行AI伦理并加强产学研协作，打造可信实用的AI解决方案。
2025-10-05 cs.AI cs.HC cs.SE
A Qualitative Study on the Implementation Design Decisions of Developers
决策是软件工程的关键技能。从需求到实现，开发人员在整个软件开发过程中不断做出选择。虽然之前的工作已经研究了开发人员的决策，但在选择用代码编写什么解决方案时所做的选择仍然没有得到充分的研究。在这个混合方法的研究中，我们研究了开发人员选择一种特定的方式来实现代码中的行为的现象，给出了许多潜在的替代方案。我们称这些决策为实现设计决策。我们的混合方法研究包括46份调查问卷和14份半结构化访谈，内容涉及专业开发人员的决策类型、考虑因素、流程和实施设计决策的专业知识。我们发现，实现设计决策，而不是一个自然的结果，从更高层次的设计，需要不断监测更高层次的设计选择，如需求和架构。我们还表明，开发人员有一个一致的一般结构，他们的实施决策过程，但没有一个单一的过程是完全相同的。我们讨论了我们的研究结果对研究，教育和实践的影响，包括对教学开发人员如何做出实施设计决策的见解。
2023-01-24 cs.SE
AI-Augmented Closed-Loop Quality Engineering: A Reference Architecture for Continuous Software Quality Intelligence
Dimple Bajaj
提出一种AI增强的闭环参考架构，通过需求特征挖掘、风险测试优先级、缺陷预测和生产事件分析，结合有限反馈学习模型，在六个发布周期中减少缺陷泄漏、提高检测效率并缩短测试执行时间。
2026-06-07 cs.AI cs.SE
Bug Severity Prediction in Software Projects Using Supervised Machine Learning Models
Daffodil International University（达福迪尔国际大学）
本研究利用监督机器学习模型，通过Eclipse Bugzilla的历史数据预测缺陷严重性，发现集成树方法和DistilBERT在准确性上表现最佳，线性模型在召回率上更优，为自动化缺陷分拣提供了有效方法。
2026-01-09 cs.LG cs.SE
Storing, preprocessing and analyzing Tweets: Finding the suitable NoSQL system
NoSQL系统是新一代数据库，旨在处理大量数据。然而，NoSQL系统有很多，每个都有自己的特点。因此，选择合适的NoSQL系统来处理Tweets是一个挑战。基于这些动机，本工作进行了寻找合适的NoSQL系统存储，预处理和分析推文。本文介绍了管理推文的要求，并详细比较了五个最流行的NoSQL系统，即Redis，Cassandra，MongoDB，Couchbase和Neo4j。实验结果表明，MongoDB和Couchbase是最适合Tweets存储、预处理和分析的NoSQL系统。与相关工作不同的是，本工作在一个真实的场景，这是鸣叫存储，预处理和分析，比较五个不同类型的NoSQL系统。所选择的场景不仅可以评估读写操作的性能，还可以评估与推文管理相关的其他要求，例如可扩展性，分析工具支持和分析语言支持。
2020-05-04 cs.DB cs.SE cs.SI
Navigating Complexity in Software Engineering: A Prototype for Comparing GPT-n Solutions
导航的非平凡的软件工程任务的不同解决方案空间需要技术知识，解决问题的技能和创造力的组合。由于有多种可能的解决方案，每种方案都有自己的权衡，因此程序员必须评估各种选项并选择最适合项目特定要求和约束的选项。无论是从一系列库中进行选择，权衡不同架构和设计解决方案的利弊，还是找到满足用户需求的独特方法，创造性思维的能力对于做出明智的决策至关重要，这将导致高效和有效的软件。然而，目前面向程序员的聊天机器人工具的界面，如OpenAI的ChatGPT或GitHub Copilot，都是针对单一解决方案进行优化的，即使是复杂的查询。虽然可以请求其他解决方案，但默认情况下不会显示这些解决方案，并且无法直观地访问。在本文中，我们提出了我们的工作在进行中的原型“GPTCompare”，它允许程序员直观地比较多个源代码的解决方案GPT-n模型生成的相同的编程相关的查询突出其相似性和差异。
2023-01-28 cs.HC cs.SE
