基于GitHub数据的安全性需求用户故事生成

在开发类社交平台上针对特定软件项目的讨论中往往蕴含着许多潜在的软件需求,针对Git Hub中的Issues模块数据尝试对其进行安全性需求挖掘。通过抓取特定软件项目Issues中带有安全相关标签的讨论数据形成初选数据集,借助实体识别方法对句子中包含的连接实体进行识别,提取出用户需求,提出一种Cre US用户故事生成方法,将提取到的用户需求以用户故事的形式表示出来。实验结果表明,该方法生成的用户故事集可以有效支持项目开发,对于需求发现起到重要的辅助作用。     

一种用户故事需求质量提升方法

敏捷开发采用用户故事表达用户需求.一般采用格式受限的自然语言编写,但在用户故事编写过程中经常出现一些表述上的缺陷.典型的缺陷包括缺失必要信息、意思表达含糊不清、故事间有重复或存在冲突等.这很大程度上影响了需求的质量,影响软件开发项目的进行.提出一种用户故事需求质量提升方法.从故事缺陷定位的角度出发,该方法构建了用户故事概念模型,并根据实际案例总结并提出11条用户故事应遵循的质量准则.从而提出故事结构分析、句法模式分析以及语法分析等技术,用于自动构建带场景用户故事的实例层模型,并根据准则进行故事缺陷检测,进而提升用户故事质量.在包含36个用户故事84个场景的实际项目中进行实验,自动检测出173个缺陷,缺陷检测的准确率和召回率分别达到88.79%和95.06%.     

支持迭代演进的智能车创新实验的设计与应用

在分析当前创新型实验现状的基础上,提出一套由智能车车体、智能构件和扩展构件组成,支持迭代演进的智能车创新实验模式,从创新实验内容的基础层、传感器层、无线通讯层和综合层4个层次阐述该实验模式在教学中的应用,并结合东北大学的实际情况说明该模式对提高学生自主创新能力的作用。     

同时运用用户故事和用例有效开发敏捷需求

随着敏捷运动势头日益增长,运用敏捷方法所管理的项目日益多产,项目专业人士必须更为纯熟地运用敏捷方法。尽管敏捷的技术、流程与瀑布式有所不同,许多创新项目团队正开始将非敏捷技术融入到敏捷环境中,并取得了巨大成功。人们对于敏捷存在一个普遍的误解,以为在敏捷中运用用户故事之后就不需要用例。围绕这一话题,人们     

ChatModeler：基于大语言模型的人机协作迭代式需求获取和建模方法

需求获取和建模是需求工程中的关键步骤,影响后续系统设计与实现.传统的需求获取和建模方法通常由需求提供者、需求分析师等多类干系人共同协作、反复迭代完成,需要耗费大量的人力.如何减轻需求提供者与需求分析师的负担、提高获取和建模的效率有着重要意义.现有工作中有的使用知识库来提供更多知识,以辅助获取或者建模,有的利用自然语言处理等技术对获取或者建模过程进行自动化,但是它们并没有减轻需求提供者的负担.利用大语言模型（large language models,LLMs）的生成能力,提供了一种人机协作的迭代式需求获取和建模框架ChatModeler.具体来说,根据真实世界中需求团队的分工及协作关系,将部分需求提供者、需求分析师等角色的工作由大语言模型承担,而需求提供者只需要进行确认.为大语言模型扮演的各种角色进行了提示词设计,该提示词会随需求的元模型而变化.ChatModeler在7个需求案例上与3种需求模型的自动建模方法进行了14组对比实验,证明了ChatModeler在降低需求提供者的负担和生成高质量需求模型2个方面上的优越性.     

程序挖掘的用户需求获取与分解

随着基于构件的程序挖掘思想[1]的提出，如何正确获取用户需求的描述成为程序挖掘中关键的第一步。本文在分析需求描述在程序挖掘中的特性的基础上，分析需求描述语言的发展，提出一种基于UML的用户需求描述语言，给出其XML描述形式，并结合我们自己定义的通用构件接口，研究需求分解的策略，具体给出需求分解算法，需求分解结果与通用构件接口之间的映射算法等。     

协作环境下的人机距离建模与最小距离迭代算法

为了使机器人适应更广泛、更复杂的任务需求,实现人与机器人的协作与共融,精确并实时地计算人与机器人之间的相对距离成为了不可避免的问题.针对该问题,提出了一种协作环境下的人机距离建模方法以及计算人机间最小距离的迭代算法.首先,利用机器人的3D模型构建机器人结构特征,并通过3D视觉传感器提取人体骨骼特征,将以上2组特征映射到同一坐标空间中建立协作环境下的人机距离模型.然后,在此模型的基础上迭代计算人与机器人间的最小距离并给出对应的空间位置点.最后以ABB公司的YuMi机器人为测试对象进行人机最小距离测量实验,实验结果表明该方法降低了建模难度、实现了计算的实时性,验证了该建模方法与迭代算法的有效性和实用性.     

基于社交媒体的关联性用户属性推断

挖掘用户属性对用户建模、用户检索和个性化服务等具有十分重要的意义.已有的相关研究工作都是单独挖掘各种属性,而且忽略了各属性之间的相关关系.提出一种基于超图学习的用户属性推断的方法.在超图中,顶点表示社会媒体中的用户,超边表示用户产生的内容相似性与属性之间的关系.在建好的超图模型上,把用户属性挖掘形式化成一个正则化的标签相似传播问题,可以有效推断得到用户的各种属性.利用从Google+上收集的标记过全部属性的数据集进行了大量的实验,其结果表明了该方法在用户属性挖掘中的有效性.     

基于网络资源与用户行为信息的领域术语提取

领域术语是反映领域特征的词语.领域术语自动抽取是自然语言处理中的一项重要任务,可以应用在领域本体抽取、专业搜索、文本分类、类语言建模等诸多研究领域,利用互联网上大规模的特定领域语料来构建领域词典成为一项既有挑战性又有实际价值的工作.当前,领域术语提取工作所利用的网络语料主要是网页对应的正文,但是由于网页正文信息抽取所面临的难题会影响领域术语抽取的效果,那么利用网页的锚文本和查询文本替代网页正文进行领域术语抽取,则可以避免网页正文信息抽取所面临的难题.针对锚文本和查询文本所存在的文本长度过短、语义信息不足等缺点,提出一种适用于各种类型网络数据及网络用户行为数据的领域数据提取方法,并使用该方法基于提取到的网页正文数据、网页锚文本数据、用户查询信息数据、用户浏览信息数据等开展了领域术语提取工作,重点考察不同类型网络资源和用户行为信息对领域术语提取工作的效果差异.在海量规模真实网络数据上的实验结果表明,基于用户查询信息和用户浏览过的锚文本信息比基于网页正文提取技术得到的正文取得了更好的领域术语提取效果.     

基于Web评论的用户个人信息提取方法研究

企业收集和获取用户个人信息是其对用户行为进行分析以制定合理营销决策的前提。注意到当前,由于互联网的高度发展和普及,消费用户往往在Web上以评论文本的形式分享其消费习惯、消费偏好和消费体验,这些海量的评论文本中蕴含着极具价值的信息,为用户个人信息的收集提供良好的资源。针对传统企业收集用户个人信息的方法主要以人工为主导,自动化水平较低的问题,提出一种基于Web挖掘技术以网上评论文本为挖掘对象,对用户个人信息进行自动提取以自动分析用户行为的改进方法。企业可以通过此改进的用户个人信息提取方法对用户行为进行分析以自动获取消费用户对产品的反馈意见并制定有针对性的营销策略。     

User story clustering in agile development: a framework and an empirical study

Agile development aims at rapidly developing software while embracing the continuous evolution of user requirements along the whole development process. User stories are the primary means of requirements collection and elicitation in the agile development. A project can involve a large amount of user stories, which should be clustered into different groups based on their functionality’s similarity for systematic requirements analysis, effective mapping to developed features, and efficient maintenance. Nevertheless, the current user story clustering is mainly conducted in a manual manner, which is time-consuming and subjective to human bias. In this paper, we propose a novel approach for clustering the user stories automatically on the basis of natural language processing. Specifically, the sentence patterns of each component in a user story are first analysed and determined such that the critical structure in the representative tasks can be automatically extracted based on the user story meta-model. The similarity of user stories is calculated, which can be used to generate the connected graph as the basis of automatic user story clustering. We evaluate the approach based on thirteen datasets, compared against ten baseline techniques. Experimental results show that our clustering approach has higher accuracy, recall rate and F1-score than these baselines. It is demonstrated that the proposed approach can significantly improve the efficacy of user story clustering and thus enhance the overall performance of agile development. The study also highlights promising research directions for more accurate requirements elicitation.     

个性化领域知识支持的用户主导需求获取方法

应用软件的需求获取与应用领域的特征密切相关,用户的参与日益受到重视,然而用户对系统的认识通常模糊且不完整,且对于多用户系统,需要拥有局部需求的多用户进行协同,才能得到完整、一致的需求.提出一种用户主导的需求获取方法,根据用户特征及其上下文环境,为用户进行需求定义提供个性化的领域知识支持,包括领域需求资产推荐和对多用户协同需求获取的建议.应用实例说明了该方法的可行性,且对于提高用户参与程度、改进领域知识重用效果,从而最终提高需求获取的质量具有积极意义.     

问题驱动的需求捕获中问题分析与解决技术研究

问题驱动的需求捕获方法广泛应用于需求获取.然而,利益相关者通常难以找到真实的、一致的问题解决方案并清晰地表达出来.协同式的问题分析与解决方法可以帮助利益相关者找到并表达出真实、一致的解决方案.方法的基本思想是:首先各个利益相关者平等地、按照一定流程协同地分析问题表述的可理解性、问题的价值、问题存在原因;然后利益相关者协同地识别解决方案.通过关联原因和解决方案来保证解决方案的客观性.通过问题的分类,提出问题及协同元素的元模型,及时关注相关联的问题,评估利益相关者的参与程度,用以帮助利益相关者分析与解决问题.选取“高校学生选课系统”进行实例研究,结果显示协同式问题分析与解决是一种在实际应用中行之有效的方法.     

Automated Prototyping of User Interfaces Based on UML Scenarios

User interface (UI) prototyping and scenario engineering have become popular techniques. Yet, the transition from scenario to formal specifications and the generation of UI code is still ill-defined and essentially a manual task, and the two techniques lack integration in the overall requirements engineering process. In this paper, we suggest an approach for requirements engineering that generates a user interface prototype from scenarios and yields a formal specification of the application. Scenarios are acquired in the form of collaboration diagrams as defined by the Unified Modeling Language (UML), and are enriched with user interface (UI) information. These diagrams are automatically transformed into UML Statechart specifications of the UI objects involved. From the set of obtained specifications, a UI prototype is generated that is embedded in a UI builder environment for further refinement. Based on end user feedback, the collaboration diagrams and the UI prototype may be iteratively refined, and the result of the overall process is a specification consisting of the Statechart diagrams of all the objects involved, together with the generated and refined prototype of the UI. The algorithms underlying this process have been implemented and exercised on a number of examples. This research was mainly conducted at University of Montreal, where the first two authors were PhD students and the third author a full-time faculty member. Funding was provided in part by FCAR (Fonds pour la formation des chercheurs et l'aide à la recherche au Québec) and by the SPOOL project organized by CSER (Consortium Software Engineering Research) which is funded by Bell Canada, NSERC (Natural Sciences and Research Council of Canada), and NRC (National Research Council Canada).     

程序挖掘中智能人机接口的设计与实现

本文主要介绍了程序挖掘系统中智能人机接口PMFace设计和实现的关键技术。PMFace系统以XML技术为基础,通过分析用户的网络和设备使用环境,采用动态智能加栽机制,引导用户提出需求,并结合层次分解和局部抽象,提出了用户需求的两层表示模型。     

经验研究中情景感知需求获取与建模系统文献综述

情景感知（context aware）的应用是当前的一个研究热点,但由于情景的复杂性和不确定性,如何获取这些应用的需求面临着巨大挑战,需求工程领域出现了大量的研究来解决这个挑战.使用系统文献综述（systematic literature review）的方法首先分析了不同情景维度对于需求获取与建模的支持;统计并深入分析情景感知的需求获取与建模中常用的方法;评估了不同经验方法的技术转移成熟度.最后,基于上述结论,给出了情景感知的需求获取与建模下一步的研究方向.     

基于用例驱动分析的软件需求获取方法

用例驱动方法是当前国际流行的软件开发过程之一 ,软件开发所有阶段的活动都是以用例为核心。本文在对软件需求进行层次划分的基础上 ,探讨了一个以用户为中心 ,使用用例驱动分析技术依据用户目标获取不同层次的软件需求的过程。     

用户需求分析的一种新方法一面向对象集成分析法

从人们了解和分析客观世界的思维角度出发,分析总结了三种具有代表性的用户需求分析方法的优缺点。在此基础上,提出了一种集这三种方法的优点为一体的面向对象集成分析法的设计思想、实施步骤。最后给出了运用此方法对一企业管理信息系统进行分析的实例。     

一种基于特征模型和协同过滤的需求获取方法

随着互联网和Web服务相关技术的快速发展,基于互联网进行软件开发越来越受到软件开发从业者的青睐.软件开发是一种多知识密集型过程,其中需求获取对软件系统的成功具有关键作用.基于互联网的软件需要满足大量地理位置各异、类型不同的客户需求,这增加了需求获取的难度;与此同时,互联网上相似类型的软件众多,这些具有大量相似功能的软件为软件需求获取提供了新的途径.为此,已有研究将推荐系统引入到软件需求获取过程中,借助于已有相似软件需求描述,为新软件推荐合适的缺失特征.为了提高推荐系统在软件需求预测和辅助获取过程中的准确率,提出了FM_KNN算法,利用特征模型中的特征类型以及特征间的关联关系,结合KNN(K-nearest neighbors)协同过滤推荐系统进行辅助需求获取.通过在真实数据集和仿真数据集上的实验和分析,验证了所提方法在预测准确率上具有更好的效果,从而为需求获取提供更好的支持.