摘要：随着我国大数据时代的快速发展，软件工程得到不断提升，在工程项目的开发、设计以及生产等各个阶段中，均应对其进行全面管理，明确客户的具体要求。大数据技术已经应用到生产和生活的多个领域，人类已经进入到信息时代，利用大数据技术进行软件工程开发，对用户的实际需求进行深入分析，建立起具有针对性的数据模型，采用专业工具进行开发任务布置，把用户需求开发、软件设计、程序代码编写和功能测试等进行有机结合，满足用户的实际需要。 错位匹配关键词：大数据的；软件开发；智能化；方法
引言：
电子计算机广泛应用于人们的工作和生活中，在一定程度上推动了计算机软件工程的发展。作为现代化信息技术的重要成员之一，计算机软件工程必须要实现现代化发展，提高现代化水平，只有这样才能够推动经济生产等多个方面的发展，从而更好地满足社会的需求。当今社会软件无所不在,追求高质量和高效率的软件开发是软件工程研究的核心目标，软件开发经
历了从结构化方法、面向对象方法到网络服务化,逐步向基于互联网和开源模式构造的方法发展；软件开发工具与环境也是伴随着开发方法不断更替变化，从命令行开发工具到集成化开发环境，再到扩展开发环境、协同开发环境,正向智能化开发环境方向演进。
1.计算机软件工程发展现状
垃圾篓 相对于发达国家，中国在研发计算机软件工程的过程中缺少资金、政策支持，技术也不够先进，并没有为研发现代化技术创造良好的环境。在这种情况下，中国自主研发的产品非常少，由于研发工作需要大量的资金和资源，在缺少有利条件的情况下，社会上的专业研发机构和单位非常少。只有少数企业有能力或是有资本自主研发大型计算机软件工程，这并不能很好地推动计算机软件工程的发展。
在计算机软件工程大范围应用的同时，社会对于计算机软件工程的功能和作用也提出了更高的要求。只有拓展其功能，应用现代化技术，才能够满足社会的需求。但实际上，很少有计算机软件工程融合了现代化技术。对于互联网、人工智能等方面的技术应用还不够广泛。尤其是人工智能技术，并没有与其进行有效融合，导致很多计算机软件工程的智能化水平达不到要求，在应用的过程中也无法产生较好的效果。此外，相关的安全防护技术也没有应用到位，给计算机软件工程带来一些安全威胁。一旦受到病毒入侵，计算机软件工
程无法有效地做出防护，从而无法正常运行。漏缝板生产线
的制备
2.基于大数据的软件智能化开发方法
2.1软件大数据汇聚及知识提炼
基于主动感知、定向采集、多源关联、增量检测等技术，构建软件工程大数据处理体系结构与支撑系统，形成自生长的多源异构软件大数据环境。建立软件大数据的数据分类和数据汇聚、收集和整理技术体系，研发了相应的采集、存储和服务平台，原始数据、处理后数据以及元数据等不同类型的数据涵盖开发、交付、应用等不同阶段。在此基础上，利用自然语言处理、深度学习、数据挖掘、优化搜索等智能化技术，建立软件开发智能推荐技术研究体系，基于源数据提炼知识图谱、代码模式、主题模型等核心软件知识，形成一批智能推荐、问答技术与工具。
2.2软件智能化开发支持
围绕软件开发中的软件构造、测试验证、体协作、运维演化4个重要方面，分别形成相应的智能化工具体系，提供数据驱动的智能化推荐和优化技术。在软件构造方面，构建以代液压集成块设计
平行流冷凝器码库为核心的软件构造大数据环境以及相应的软件构造知识分析和提炼方法，提供软件构造智能问答、软件开发知识图谱可视化、代码生成与补全、自动化重构推荐等智能化软件构造支持。在测试验证方面，采用机器学习、启发式搜索、自然语言理解等智能化途径，面向测试用例生成、代码模型检验、静态分析缺陷警报确认、程序缺陷定位和修复等软件质量保障的多个方面提供复杂软件测试与验证智能化支持。在体协作方面，基于软件大数据的收集与分析构建了软件开发者知识库，形成基于多源软件大数据的开发者知识库体系结构，提供基于学习曲线的开发者能力动态刻画方法和跨社区的开发者画像等智能化支持，同时构建了大规模开发者智能协作支撑环境。在运维演化方面，汇聚了以Docker镜像为代表的大规模开发运维一体化数据，形成了自生长、可追溯的领域数据集合。通过智能化持续集成与持续部署流水线系统等一系列工具系统，形成了面向开发运维一体化的运行演化智能支撑环境，提升了开发运维一体化过程的动态调节能力。
2.3软件智能化开发服务
在软件智能化开发技术与工具的基础上，通过以软件仓库为中心的分布式智能化开发环境集成技术，构建软件智能化开发云环境运行体系结构与集成框架，实现高可扩展的智能开
发环境集成与部署，建立面向公众和企业的软件智能化开发服务平台。目前已经基于Trustie平台，通过提升改进形成了软件智能化开发服务环境平台IntelligentDE，同时基于EclipseChe架构实现了智能化推荐工具的整体集成。最终建立的软件智能化开发服务平台面向公众提供网络化的智能化开发服务，同时面向企业提供私有化部署的智能化开发支持。
2.4智能化测试验证
智能化测试验证的目标是基于软件开发和维护过程形成的各类软件工程数据和机器学习等智能化途径，突破软件测试和验证技术面临的障碍，控制相关问题的复杂性，提高相关技术与工具的有效性和可扩展性。基于程序运行信息、缺陷报告、编程经验交流信息、静态分析警报、技术文档、历史修复记录、用户评价等软件开发和演化过程中产生的数据，采用机器学习、启发式搜索、自然语言理解等智能化途径，围绕测试、验证、分析、调试和修复等软件质量保障环节，针对测试用例生成、代码模型检验、静态分析警报确认、程序缺陷定位和修复信息推荐中的难点问题展开研究工作，具体包括：在测试用例生成方面，针对现有技术难以处理非线性运算、浮点运算、第三方函数调用等程序复杂特征的难点，
提出基于智能搜索的复杂软件测试用例生成技术；在代码模型检验方面，针对现有技术难以应对源代码验证的规模和复杂性问题，提出基于不可行路径分析与学习的智能化有界模型检验技术；在静态分析警报确认方面，针对静态分析警报数量非常大、目前基本上靠人工处理的难题，提出静态分析缺陷警报智能化分析与确认技术；在程序缺陷定位方面，针对现有技术的定位精度和效率不高的问题，提出基于缺陷报告与历史修复记录的软件代码缺陷智能定位技术；在程序缺陷修复信息推荐方面，针对现有技术的修复推荐准确度不高的问题，提出基于社区问答网站的软件缺陷修复信息智能推荐技术。
3.信息质量监控
进行软件工程开发时，需要将信息质量监控作为重点内容，对输入数据信息进行深入分析年，与软件产品质量信息进行对比分析，可以更为准确地得到软件运行效率，对分析信息内容进行整合处理，对开发项目进行全面、系统地评价，可以用于对参数指标的确定。对软件工程项目管理人员连接进行高度重视，把输入数据信息进行全面分析，可以为后续管理决策提供前提条件。建立起软件工程质量数据监控平台，对软件项目进行全生命周期的监控，对开发过程进行高度整合，把不同阶段信息质量在控制平台上展现出来，可以对软
件工程质量进行自动监控，再结合质量平台数据信息来对可能存在的风险进行预测与评估。
参考文献：
[1]谢冰,彭鑫,尹刚,等.基于大数据的软件智能化开发方法与环境[J].大数据,2021,7(1):3-21.
[2]胡静雯.关于计算机软件工程项目自动化管理研究[J].科技视界,2021,(03):129-130.
[3]赵俊,石春.探究软件开发进程中项目管理与软件工程的结合[J].电脑知识与技术,2020,16(11):82-83.
