論文の概要: Feature Request Analysis and Processing: Tasks, Techniques, and Trends

• arxiv url: http://arxiv.org/abs/2508.12436v1
• Date: Sun, 17 Aug 2025 17:09:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.768665
• Title: Feature Request Analysis and Processing: Tasks, Techniques, and Trends
• Title（参考訳）: 機能要求分析と処理:タスク,テクニック,トレンド
• Authors: Feifei Niu, Chuanyi Li, Haosheng Zuo, Jionghan Wu, Xin Xia,
• Abstract要約: ユーザの要求を満足させることは、競争力とユーザの満足の両面から恩恵を受けることができる。 記述的統計学と定性的分析法を用いて131の初等研究を選択し,分析する。 1)機能要求の品質を保証すること、(2)仕様と検証を改善すること、(3)大規模言語モデル駆動タスクのための高品質なベンチマークを開発すること、などである。
• 参考スコア（独自算出の注目度）: 12.002693348057738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature requests are proposed by users to request new features or enhancements of existing features of software products, which represent users' wishes and demands. Satisfying users' demands can benefit the product from both competitiveness and user satisfaction. Feature requests have seen a rise in interest in the past few years and the amount of research has been growing. However, the diversity in the research topics suggests the need for their collective analysis to identify the challenges and opportunities so as to promote new advances in the future. In this work, following a defined process and a search protocol, we provide a systematic overview of the research area by searching and categorizing relevant studies. We select and analyze 131 primary studies using descriptive statistics and qualitative analysis methods. We classify the studies into different topics and group them from the perspective of requirements engineering activities. We investigate open tools as well as datasets for future research. In addition, we identify several key challenges and opportunities, such as: (1) ensuring the quality of feature requests, (2) improving their specification and validation, and (3) developing high-quality benchmarks for large language model-driven tasks.
• Abstract（参考訳）: 機能要求は、ユーザの要望と要求を表すソフトウェア製品の新機能や既存機能の強化を要求するために、ユーザが提案する。 ユーザの要求を満足させることは、競争力とユーザの満足の両面から恩恵を受けることができる。 機能要求はここ数年で関心が高まり、研究の量が増えている。 しかし,研究トピックの多様性は,今後の新たな進歩を促進するために,課題と機会を特定するための集団分析の必要性を示唆している。 本研究では,定義されたプロセスと検索プロトコルに従って,関連する研究を探索・分類することで,研究領域の体系的な概要を提供する。 記述的統計学と定性的分析法を用いて131の初等研究を選択し,分析する。 我々は,研究を異なるトピックに分類し,要求工学的活動の観点からグループ化する。 オープンツールと将来の研究のためのデータセットについて検討する。 さらに,(1)機能要求の品質確保,(2)仕様と検証の改善,(3)大規模言語モデル駆動タスクのための高品質なベンチマークの開発など,いくつかの重要な課題と機会を明らかにした。

関連論文リスト

• Personalized Generation In Large Model Era: A Survey [90.7579254803302]
  大規模モデルの時代には、コンテンツ生成は徐々にパーソナライズドジェネレーション(PGen)へとシフトしている。 本報告では,PGen に関する総合的な調査を行い,この急速に成長する分野における既存研究について考察する。 複数のモダリティにまたがるPGen研究をブリッジすることで、この調査は知識共有と学際的コラボレーションを促進する貴重な情報源となる。
  論文  参考訳（メタデータ） (2025-03-04T13:34:19Z)
• Exploring the Technology Landscape through Topic Modeling, Expert Involvement, and Reinforcement Learning [0.48342038441006807]
  本研究では、トピックモデリング、エキスパート知識入力、強化学習(RL)を組み合わせて、技術的変化の検出を強化する手法を提案する。 結果は、専門家の入力と一致する傾向を特定し、ランク付けし、追跡する手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-01-22T22:18:50Z)
• How Mature is Requirements Engineering for AI-based Systems? A Systematic Mapping Study on Practices, Challenges, and Future Research Directions [5.6818729232602205]
  既存のREメソッドが十分かどうか、あるいはこれらの課題に対処するために新しいメソッドが必要であるかどうかは不明だ。 既存のRE4AI研究は主に要件分析と導入に重点を置いており、ほとんどの実践はこれらの分野に適用されている。 私たちは、最も一般的な課題として、要件仕様、説明可能性、マシンラーニングエンジニアとエンドユーザのギャップを特定しました。
  論文  参考訳（メタデータ） (2024-09-11T11:28:16Z)
• A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
  ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。 超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
  論文  参考訳（メタデータ） (2024-04-25T17:58:17Z)
• Assisted Requirements Selection by Clustering [0.0]
  ビジネス利益と投資のバランスが必要とされるため、多くの研究成果に焦点が当てられた複雑なマルチ基準決定プロセスである。 本研究は,要求選択のための定性的MoSCoW法とクラスタ分析の組み合わせについて検討する。
  論文  参考訳（メタデータ） (2024-01-23T10:33:44Z)
• Classification, Challenges, and Automated Approaches to Handle Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature Review [10.09767622002672]
  本稿では,これまで検討されてきた非機能要件の分類と,ML対応システムでモデルを開発する上で直面する課題の2つを対象とする体系的文献レビューを提案する。 本報告では,30種類の非機能要件を同定し,これらを6つの主要クラスに分類した。 また、23以上のソフトウェアエンジニアリング課題のカタログを編集し、機械学習対応システムの非機能要件についてさらなる研究を行ないました。
  論文  参考訳（メタデータ） (2023-11-29T09:45:41Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• Wizard of Search Engine: Access to Information Through Conversations with Search Engines [58.53420685514819]
  我々は3つの側面からCISの研究を促進するために努力している。 目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。 検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
  論文  参考訳（メタデータ） (2021-05-18T06:35:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。