基于机器学习的需求与代码间追踪关系自动化生成系统的设计与实现开题报告

1. 研究目的与意义

1.1研究背景

上世纪七十年代，“需求可追踪性”这个概念首次出现在部分美国国防部的软件合约之中，合约之中的相关条款定，软件的开发人员必须显式标记若干关键需求与代码间的关联关系。1992年watkins和neal基于自身的可追踪性实践经验提出需求可追踪性能够在可靠性、成本控制等方面有助于各软件系统的开发，并认为可追踪性是有效管理开发流程的必要条件。1994年gotel和finklstein对需求可追踪性进行了系统的总结与定义，明确需求可追踪性既要将需求与后续的模型、代码、测试等软件制品关联起来，又要将需求和用户对系统功能的要求关联起来。此后软件可追踪性以软件规范的形式出现在各类软件标准中。2014年cleland-huang和gotel等人对软件可追踪性研究的趋势和未来发展方向进行了分析，指出软件可追踪性在规范软件系统的开发过程中有着十分重要的作用。

从软件可追踪性产生的背景可以看出，人们普遍认为软件可追踪性在系统的开发中有着十分重要的作用。虽然软件可追踪性的作用得到了广泛的认可，但是其在工业中的实际利用率并不是很高。主要的原因是创建追踪链的成本太高，一个大型的项目可能存在成百上千的可能的追踪链。因此，人工的去识别追踪链的有效性是十分困难的。为了解决这一问题，研究界一直在探索解决方案。目前，最有效的方法是实现可追踪性生成的自动化。众多的研究团队通过信息检索（information retrieve,ir）技术，进行可追踪性的自动生成。虽然经过多年的研究，基于ir的方法准确性依然不是很高。

2. 研究内容与预期目标

2.1本课题的主要研究内容是：

1. 建立服务器集群，在服务器集中建立文本提取模块、文本预处理模块、特征提取模块等；

2. 文本提取模块从需求和代码中提取文本；

3. 研究方法与步骤

本课题实现基于机器学习的需求与代码间追踪关系自动化生成系统，主要的研究步骤有:

步骤1：建立服务器集群，在服务器集群中建立文本提取模块、文本预处理模块、训练集生成模块、特征提取模块、数据平衡模块、分类器模块和标识模块。

步骤2：文本提取模块从需求和代码中提取文本；

4. 参考文献

[1] 刘斌斌，董威，王戟.智能化的程序搜索与构造方法综述[j].软件学报,2018（8）；2180-2197.

[2] 贺月.uml语言自动代码生成的研究[d].华北电力大学.2017.

[3] 匡宏宇.基于代码依赖分析的软件可追踪技术研究[d].南京大学.2017.

5. 工作计划

2022年12月28日--2022年1月12日：撰写任务书，完成英文资料翻译

2022年1月13日--2022年1月22日：针对任务目标，收集相关参考资料

2022年1月23日--2022年2月23日：完成系统的设计