数据集概述
本数据集为机器学习需求工程系统映射研究的支撑材料，包含文献检索结果和研究概述文件。研究聚焦需求工程（RE）与机器学习（ML）的交叉领域，分析当前研究贡献与缺口，涉及分析、方法、清单指南、质量模型和分类法等成果，共纳入35项符合标准的研究。
文件详解
- Scopus_Search_Results.bib
- 文件格式：BIB
- 字段映射介绍：包含系统映射研究中从Scopus数据库检索到的文献条目，通常涵盖文献标题、作者、发表年份、期刊/会议名称、摘要等元数据，用于支撑研究的文献基础。
- Systematic_Mapping_Overview.xlsx
- 文件格式：XLSX
- 字段映射介绍：系统映射研究的概述表格，可能包含纳入研究的基本信息、贡献类型、涉及的RE主题、实证评估类型、相关质量特性（如数据质量、可解释性等）及挑战分析等内容。
数据来源
论文“Materials: Requirements Engineering for Machine Learning: A Systematic Mapping Study”
适用场景
- 软件工程交叉领域研究：分析需求工程与机器学习结合的研究现状、热点及缺口。
- 机器学习系统开发优化：基于研究成果识别ML系统开发中需求工程的关键挑战与最佳实践方向。
- 学术文献计量分析：利用Scopus检索结果开展RE与ML交叉领域的文献分布、作者合作等计量研究。
- 质量特性研究：探究ML系统特有的需求质量特性（如可解释性、公平性、安全性）及其需求工程方法。
- 需求工程技术改进：针对ML系统需求工程中验证技术缺乏、非功能需求理解碎片化等问题，探索改进路径。
