摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
第一章 绪论 | 第8-12页 |
·研究背景 | 第8-9页 |
·研究目的及意义 | 第9-10页 |
·研究内容和可能的创新点 | 第10-11页 |
·研究内容 | 第10页 |
·可能的创新点 | 第10-11页 |
·论文组织结构 | 第11-12页 |
第二章 相关研究概述 | 第12-25页 |
·需求获取及研究现状 | 第12-14页 |
·需求获取介绍 | 第12页 |
·需求获取方法研究现状 | 第12-13页 |
·软件需求获取面临的问题 | 第13-14页 |
·基于场景的需求分析方法 | 第14-17页 |
·场景及场景描述 | 第14-15页 |
·基于场景的需求分析方法研究现状 | 第15-16页 |
·场景的分析方法存在的问题 | 第16-17页 |
·元需求的研究现状 | 第17页 |
·基于聚类分析的研究方法综述 | 第17-24页 |
·聚类分析方法介绍 | 第17-18页 |
·聚类算法的分类 | 第18-20页 |
·文本聚类简介 | 第20-21页 |
·中文分词算法及分词器综述 | 第21-24页 |
·本章小结 | 第24-25页 |
第三章 元需求特征分析及构建流程 | 第25-31页 |
·元需求的定义 | 第25页 |
·元需求的特性 | 第25-26页 |
·准确性 | 第25-26页 |
·完整性 | 第26页 |
·可追溯性 | 第26页 |
·可度量性 | 第26页 |
·可验证性 | 第26页 |
·元需求的描述 | 第26-29页 |
·现有需求描述方式分析 | 第26-27页 |
·元需求的描述的格式 | 第27-29页 |
·元需求的构建流程 | 第29-30页 |
·本章小结 | 第30-31页 |
第四章 基于聚类的软件元需求的获取 | 第31-59页 |
·原始需求数据的的获得和处理 | 第31-32页 |
·确定需求相关人员 | 第31页 |
·原始需求数据模型的设计 | 第31-32页 |
·文本分词处理 | 第32-34页 |
·MMseg分词算法 | 第32-33页 |
·MMSeg4j分词器的使用 | 第33-34页 |
·需求信息文本模型表示 | 第34-38页 |
·向量空间模型 | 第34-35页 |
·文本特征降维 | 第35-38页 |
·用凝聚层次聚类算法对需求信息进行聚类 | 第38-46页 |
·凝聚层次聚类算法的基本思想 | 第38-39页 |
·凝聚层次聚类算法的数学模型 | 第39-41页 |
·簇间的临近度计算 | 第41-43页 |
·凝聚层次聚类算法的主要流程 | 第43-45页 |
·凝聚层次聚类算法的局限性 | 第45-46页 |
·凝聚层次的改进算法 | 第46-54页 |
·凝聚层次算法的改进思路 | 第46-47页 |
·凝聚层次改进算法的主要流程 | 第47-48页 |
·凝聚层次改进算法的程序实现 | 第48-50页 |
·聚类结果的获得 | 第50-54页 |
·元需求的获取 | 第54-58页 |
·聚类结果的修正 | 第54-55页 |
·确定软件的场景层次结构 | 第55-57页 |
·在元场景下确立元需求 | 第57-58页 |
·本章小结 | 第58-59页 |
第五章 应用实例:“票务电子商务服务平台”元需求的获取 | 第59-75页 |
·项目背景 | 第59-60页 |
·获取原始需求数据 | 第60页 |
·确定需求相关人员 | 第60页 |
·收集原始需求数据 | 第60页 |
·数据初步处理 | 第60-63页 |
·文本的分词处理 | 第60-62页 |
·文本向量空间模型表示 | 第62页 |
·文本特征降维 | 第62-63页 |
·聚类结果获得 | 第63-69页 |
·聚类结果展示 | 第63页 |
·部分聚类过程演示 | 第63-68页 |
·按用户分别进行聚类 | 第68-69页 |
·获得系统的场景划分 | 第69-71页 |
·前台门户场景 | 第69-70页 |
·票务管理系统场景 | 第70-71页 |
·系统管理场景 | 第71页 |
·系统元需求的获得 | 第71-75页 |
第六章 结论和展望 | 第75-77页 |
·结论 | 第75页 |
·进一步的研究工作 | 第75-77页 |
参考文献 | 第77-83页 |
附录 | 第83-91页 |
致谢 | 第91-92页 |
攻读学位期间主要的研究成果 | 第92页 |