机器学习赋能系统中非功能需求的分类、挑战与自动化处理方法：一项系统性文献综述
软件工程
2024-04-11 v3
摘要
背景：如今机器学习（ML）无处不在且应用广泛，几乎没有任何应用能够避免其使用。然而，其巨大潜力常常受到管理非功能需求以及应对紧迫且相互冲突的权衡问题的制约。目标：在这方面，我们注意到缺乏关于影响机器学习赋能系统的非功能需求以及应对这些需求所面临的主要挑战的全面综合。此类综合不仅可以提供对当前技术状态的全面总结，还能推动针对机器学习密集型系统的非功能需求分析、管理与优化的进一步研究。方法：本文提出一项系统性文献综述，针对两个关键方面：（1）迄今所研究的非功能需求的分类；（2）在机器学习赋能系统中开发模型时所面临的挑战。通过结合成熟的系统性文献综述指南与额外的检索标准，我们共调查了 69 篇研究文章。结果：我们的研究结果表明，当前研究识别出 30 种不同的非功能需求，可归为六大主要类别。我们还编制了包含 23 余项软件工程挑战的目录，进一步研究应据此考虑机器学习赋能系统的非功能需求。结论：我们通过提炼启示与该主题的未来展望来结束本工作。
引用
@article{arxiv.2311.17483,
title = {Classification, Challenges, and Automated Approaches to Handle Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature Review},
author = {Vincenzo De Martino and Fabio Palomba},
journal= {arXiv preprint arXiv:2311.17483},
year = {2024}
}