机构名称：
¥ 1.0
摘要：在软件生命周期中，需求通常是主观和模棱两可的，挑战开发人员可以准确，彻底地进行预登录和实施。尽管如此，使用技术和知识可以帮助分析师简化和提高要求的可理解性，从而确保最终产品满足客户的期望和需求。需求工程领域及其与机器学习的关系最近已经获得了动力。机器学习算法在处理功能和非功能性要求，自然语言程序，文本挖掘，数据挖掘以及需求提取，验证，优先级和分类时表现出显着的进步和卓越的性能。本文介绍了一项系统文献综述，确定了2012年1月至2023年6月的新贡献和进步，与使用机器学习技术在需求工程中使用机器学习技术的策略，技术和工具有关。此过程包括从五个数据库（Scopus，WOS，IEEE，ACM和ProQuest）中选择研究，从中选择了1219个中的74个。尽管发现了一些成功的应用程序，但仍有一些主题需要探索，例如使用不同的技术分析需求，将算法结合起来改善策略，考虑了其他要求规范格式，将技术扩展到较大的数据集和其他应用程序领域以及其他应用程序域以及对方法效率的关注。
机器学习增强需求工程
主要关键词
相关文件推荐
