前 言

需求工程是軟件與系統工程中最具挑戰的環節.近年來，國內外需求工程研究與人工智能新技術緊密結合，新的成果和應用層出不窮.隨著人工智能在各行各業的應用需求不斷增長，對智能化需求的正確理解決定軟件項目的成敗.經常遇到用戶來和我們說：“我這里有幾年來關于這個主題的數據資源，看看我們能開發什么樣的人工智能應用？” 或者 “我想做一個智能應用，數據不是問題，你告訴我需要什么數據，我們想辦法找到相應的數據資源”.從這些常見的現象我們可以看出，人工智能應用的目標往往具有不確定性和開放性，這更彰顯出需求工程的重要性.需求工程對人工智能應用的重要性，體現在要確保人工智能應用所針對的目標是對用戶有價值的目標，要確保所獲取和使用的數據所訓練得到的決策模型能夠公平、無偏見、合理有效地支撐既定的業務目標.為此，《計算機研究與發展》推出了人工智能背景下的需求工程專題，以促進相關研究工作的傳播與發展.

本期專題得到同行的普遍關注，通過公開征文收到20篇稿件，這些論文從多個視角介紹了人工智能背景下的需求工程研究重要成果和工作進展.特邀編委和期刊編輯部先后邀請了十余位相關領域的專家參與評審，經過初審、軟件大會口頭報告、復審、終審等階段，最終遴選出6篇高質量的論文收入本專題.內容涵蓋了需求獲取、建模、質量提升、偏好分析、需求追蹤、演化趨勢分析等主題，反映了當前我國學者在采用智能技術提升需求工程活動的自動化程度方面的研究與探索.

需求獲取與建模是軟件工程中最重要的步驟，也是智能化軟件工程較多涉及的問題.汪燁等作者的“智能需求獲取與建模研究綜述”論文圍繞人工智能技術在需求獲取與建模上的應用，從需求知識提取、需求知識分類、需求模型構建3個方面，系統梳理并總結了國內外相關研究進展.主要的發現有：智能需求獲取與建模的相關研究呈上升趨勢，關注功能需求為主，非功能需求的挖掘與分類的關注度逐步提升；自然語言處理技術和數據分類挖掘算法得到廣泛的應用，并取得顯著進展；模型的自動構建方面，基于規則和統計學習的方法為主，深度學習技術尚未得到應用.

安全攸關的信息物理融合系統對需求的表達和分析具有更高的精確性和自動化要求.鮑陽等作者的“基于限定中文自然語言需求的SysML模型自動生成方法”論文針對自然語言需求表達的二義性、需求規約到SysML系統設計模型的自動化轉化問題，提出了一種結構化的自然語言需求規約模板，給出了領域術語的自動提取與智能推薦方法.作者基于開源工具設計實現了RNL2SysML原型工具，并通過飛機空氣增壓系統需求分析的案例驗證了方法的表達能力、模型轉換工具的有效性與實用性.

用戶故事是敏捷開發方法中表達用戶需求的主要手段，但用戶故事的質量往往受到故事書寫者的認知水平、表達習慣等多種因素的影響而參差不齊.王春暉等作者的“一種用戶故事需求質量提升方法”論文通過構建用戶故事的概念模型，以及通過歷史用戶故事案例集總結的故事質量準則，進行用戶故事的缺陷定位與檢測，從而提升用戶故事質量.論文設計實現了USQI工具，并基于工業界實踐案例對方法進行了實驗驗證.

移動應用的廣泛普及使得海量的用戶反饋與行為數據成為重要的需求數據源.宋蕊等作者的“基于元路徑嵌入的移動應用需求偏好分析方法”論文提出一種基于元路徑嵌入的用戶需求偏好分析方法，實現個性化的移動應用推薦.論文首先構建了移動應用描述的語義概念模型，并基于概念模型建立用戶的應用偏好路徑，通過路徑分析用戶需求相似性，再進行應用推薦.論文基于線上應用商店的產品描述與用戶評論數據集對方法的效果進行了實驗評估.

移動應用的快速更新和演化已經成為當前移動互聯網應用研發的新常態.鐘仁毅等作者的“基于版本更新日志的移動應用演化趨勢自動分析”論文基于線上應用商店中3類60個應用近5年的版本更新記錄數據集，分析開發者在發布不同類型的移動應用新版本時的需求選擇偏好和應用更新與演化的特點，幫助研究者和實踐者了解移動應用市場的發展動態和更新趨勢.

需求跟蹤是需求工程中較早采用信息檢索與機器學習技術的活動.陳磊等作者的 “基于圖挖掘擴展學習的增強需求跟蹤恢復方法” 論文針對軟件工程制品內含詞匯信息的稀疏與非均衡導致的術語失配問題，提出利用圖網絡中的詞共現信息和次序信息來增強需求及后續工程產生的文本制品中隱含的語義信息，從而更準確地描述制品的內容.論文在5個公共數據集上對方法進行了評估，驗證了方法的有效性，并給出了模型參數設置建議.

本次專題的6篇論文涵蓋了需求工程的主要活動，反映了人工智能背景下，我國需求工程領域當前的研究熱點與重點，希望為廣大研究人員提供有益的啟發和幫助.感謝審稿專家和編輯部的辛勤工作和大力支持，使本專題得以順利出版.衷心感謝專題作者踴躍投稿，對審稿、選稿過程中不盡人意之處，敬請作者和讀者包容諒解，也歡迎各位同行不吝批評指正.謝謝！