纳乌费尔·克雷姆*
需求工程 (RE) 被认为是软件开发生命周期中的关键阶段。在开发阶段后期修复需求缺陷的成本远高于在开发早期识别和修复缺陷的成本。为了做到这一点,必须在开发过程的早期正确识别、分析和审查系统需求。鉴于软件产品线 (SPL) 的性质,需求工程的重要性更加被忽视,因为 SPL 比开发“单一”产品带来的挑战更为复杂。文献中提出了几种方法,包括捕获需求、其可变性和共性等活动。
本论文主要旨在提出一个框架,指导系统工程师选择一种适合其目标的方法。所提出的框架有望减少从几种方法中寻找有效方法所需的时间。该框架根据选定的标准集评估 SPL 的 RE 方法。它通过实施机器学习算法 (k-means) 对从评估中构建的定量数据进行聚类,从而做出进一步贡献。此外,它还实施了一个网站,帮助实现本论文的初步目标。
框架的结果经过验证,表明分类数据是实用的。该框架将降低在选择适用于 SPL 的 RE 方法时被误导的可能性。