تعتبر هندسة متطلبات البرمجيات (Requirements Engineering) من المجالات الحيوية في تطوير البرمجيات، حيث يركز البحث الجديد على كيفية تحسين تصنيف المتطلبات باستخدام تقنية التهيئة المعروف باسم SMOTE-Tomek.

تعمل هذه التقنية على معالجة مشكلة عدم التوازن بين الفئات في مجموعة بيانات PROMISE، التي تحتوي على 969 متطلباً مصنفاً إلى نوعين: فني وغير فني. يتم دمج SMOTE-Tomek مع أسلوب التقسيم المتقاطع المتجانس (Stratified K-fold Cross-Validation)، مما يعزز من دقة التصنيف.

تظهر النتائج أن استخدام الانحدار اللوجستي (Logistic Regression) قد حقق دقة تصل إلى 76.16%، مما يعد قفزة نوعية مقارنة بالخط الأساس الذي كان 58.31%. هذه القفزة تعكس الكفاءة العالية للطرازات الذكية (Machine Learning Models) كحلول قابلة للتوسع وقابلة للفهم.

إن اعتماد هذه التقنيات في هندسة البرمجيات لا يساهم فقط في تحسين نتائج التصنيف، بل يعزز أيضاً من إمكانية استخدام نماذج التعلم الآلي بطرق مبتكرة تلبي متطلبات السوق الحالية.