MqEngine

基于大语言模型的需求依赖检测新方法 LEREDD 实现高精度与强鲁棒性

针对软件需求依赖检测中自然语言模糊性与规模大的难题，研究提出融合检索增强生成（RAG）和上下文学习（ICL）的 LEREDD 方法。该方法利用 GPT-4.1 结合领域上下文与动态示例，支持 7 类依赖类型识别并输出推理理由。在 813 个标注需求对的汽车领域数据集上，LEREDD 准确率达 0.93，F1 分数 0.84，无依赖类 F1 达 0.96，且跨…