近日，第37届软件工程与知识工程国际会议（The 37th International Conference on Software Engineering & Knowledge Engineering, SEKE25）公布了今年的论文录用结果，课题组24级硕士研究生金欢同学作为第一作者的论文《How to enhance requirements-to-code traceability? From the perspective of project artifacts》，被大会接收为“Regular Paper”。据悉，SEKE会议是中国计算机学会（CCF）推荐的C类会议，也是软件工程和知识工程领域的老牌国际会议，本次大会共收到投稿123篇，其中44篇论文被录用为“Regular Paper”，接收率35.8%。

图1 论文录用通知

该研究指出：当前关于需求到代码可追溯性的研究主要聚焦于提升算法或模型的性能，却忽视了项目制品本身的质量。然而，高质量数据能够显著提升模型性能，而忽视数据质量的问题即便借助复杂模型也难以纠正。通常，高质量数据对模型性能提升的贡献远超模型结构改进本身。在实际软件开发中，需求与代码制品是建立可追溯性链接的主要数据源。但针对需求与代码制品的哪些因素有助于提高可追溯性这一问题，目前仍缺乏有效研究。为此，本研究提出了五个与需求到代码可追溯性研究密切相关的度量指标：圈复杂度、注释比率、共现比率、名词-动词比率和噪声比率。基于系统性映射研究，本文从20篇相关文献中选取了11个开源项目开展实验，并采用斯皮尔曼相关性分析验证了所提指标与可追溯性之间的关联。实验结果表明，这五个指标能够显著影响需求到代码的可追溯性，其中圈复杂度与注释比率的影响更为突出。

图2 研究总体设计

金欢同学该篇论文的录用发表，标志着课题组完成了连续四届研究生（2021、2022、2023和2024级）均在研究生一年级发表出高水平学术论文的成就，显示了课题组具有科学的育人方法、良好的科研环境和轻松的小组氛围。该篇论文得到了国家自然科学基金项目（No.62102291）的资助。