期刊名：Software

期刊主页：https://www.mdpi.com/journal/software

本期编辑荐读为您精选了Software 五篇高引精选文章，内容涵盖集成深度学习的移动App、推荐系统算法、自动化代码重构等相关研究，希望能为相关领域学者提供新的思路和参考，欢迎阅读。

（1）Revolutionizing Coffee Farming: A Mobile App with GPS-Enabled Reporting for Rapid and Accurate On-Site Detection of Coffee Leaf Diseases Using Integrated Deep Learning

咖啡种植革新：一款集成深度学习、通过GPS报告功能快速精准现场检测咖啡叶病的移动App

https://www.mdpi.com/2674-113X/3/2/7

文章摘要：咖啡叶病害是咖啡种植面临的一大难题，会导致减产、品质下降，还得投入大量成本防控。人工巡查既费工又费时。为此，我们开发了一款配备GPS报告功能的移动App，能在田间地头快速精准地诊断咖啡叶病。这款应用集成了先进的deep learning（DL）技术，让农民和农艺师有了个得力的"智能助手"，随时掌握咖啡树的健康状况。利用手机就能直接拍摄高清叶片照片，App会实时调用预训练好的DL模型进行病害识别。我们在数据集上测试了Xception、ResNet50、Inception-v3、VGG16和DenseNet五种模型，效果都不错，其中DenseNet在四类叶片识别上表现最佳，训练准确率达到99.57%。GPS功能能为每张照片精准标注地理位置，提供极具价值的点位信息。经过大量测试验证，这款App在病害分类上表现出色，有望彻底改变咖啡种植方式，帮助提升产量和整体植株健康水平。

关键词：咖啡叶病害；deep learning；cloud computing；precise agriculture

（2）Precision-Driven Product Recommendation Software: Unsupervised Models, Evaluated by GPT-4 LLM for Enhanced Recommender Systems

精准驱动的产品推荐软件：以GPT-4 LLM评估无监督模型，提升推荐系统性能

https://www.mdpi.com/2674-113X/3/1/4

文章摘要：本文提出了一种革新性的产品推荐系统优化方法，将K-means聚类、content-based filtering（CBF）、层次聚类等无监督模型与前沿的GPT-4大语言模型（LLM）进行协同整合。其创新之处在于利用GPT-4的先进自然语言理解能力来评估模型，从而提升推荐结果的精准度和相关性。

为方便电商企业使用，我们开发了基于Flask的API，只需上传CSV格式的商品数据，就能无缝完成模型训练和评估。这种方法的独特优势在于：既为电商提供了强大的无监督推荐算法，又通过GPT模型深度优化了商品特征的语义理解，最终打造出更个性化、更有效的推荐系统。

实验结果证明，这套融合框架明显优于传统方案，是推荐系统领域的重大突破，为企业提供了高效可扩展的解决方案，帮助他们优化产品推荐。

关键词：推荐系统；推荐系统算法；商品推荐；商品推荐算法；GPT模型；K-means聚类；content-based filtering；层次聚类；推荐系统评估；模型评估

（3）Deep-SDM: A Unified Computational Framework for Sequential Data Modeling Using Deep Learning Models

Deep-SDM：一个基于深度学习模型进行序列数据建模的统一计算框架

https://www.mdpi.com/2674-113X/3/1/3

文章摘要：Deep-SDM是基于TensorFlow/Keras开发、用Python 3.12编写的统一框架。它遵循模块化设计原则，核心目标是透明、可复现、可组合。该框架能从数值和文本数据中挖掘有价值的信息，并通过LSTM、GRU和CNN等模型预测未来数值。它提供全流程机器学习管道，涵盖数据探索、输入准备、模型构建、超参数调优、性能评估、结果可视化和统计分析等任务。从数据导入到模型选择，整个过程有条不紊，形成一个有机整体。多个子程序协同工作，打造了一个简单好用、方便高效的流程。我们用Deep-SDM框架预测了尼泊尔证券交易所（NEPSE）指数，以验证其可复现性和鲁棒性，结果表现惊艳。

关键词：深度学习（deep learning）；序列数据建模；时间序列；LSTM；GRU；CNN

（4）Automating SQL Injection and Cross-Site Scripting Vulnerability Remediation in Code

自动修复代码中的SQL注入与跨站脚本漏洞

https://www.mdpi.com/2674-113X/3/1/2

文章摘要：互联网分布式系统如今主导着各类软件应用。要让这些应用安全运行，开发者必须抵御恶意攻击带来的威胁，比如找出并消除软件中的漏洞。但手动排查既费钱又耗时。为此，我们设计开发了CARES（Code Auto-Remediation for Enhanced Security）——一个能自动识别并修复Java Web应用中最常见两类漏洞的Web应用：SQL注入（SQLi）和跨站脚本攻击（XSS）。本文案例研究表明，CARES通过采用Intercepting Filter设计模式重构Java代码来消除这些漏洞。基于微服务的CARES架构灵活可扩展，能方便地支持其他注入类漏洞、更多修复设计模式以及其他编程语言。

关键词：漏洞缓解；安全设计模式（secure design pattern）；自动化代码重构（automated code refactoring）

（5）Defining and Researching “Dynamic Systems of Systems”

动态系统之系统（SoS）的定义与研究

https://www.mdpi.com/2674-113X/3/2/9

文章摘要：数字化转型正在各行各业全面推进，涌现出许多改变我们沟通、互动和生活方式的产品、流程与商业模式。这也深刻影响着交通、生产、能源、城市等已发展多年的系统之系统（SoS）的演进。本文基于DynaSoS研究项目的成果，探讨这对软件工程未来发展意味着什么。

我们采用了访谈、文献综述和研讨会等方式收集数据。研究的主要贡献包括：

1.提出了一套分类方案，用于梳理和构建研究挑战与方向。方案包含两个维度：scope（范围）和characteristics（特征）——前者阐明了万物互联的大趋势，后者则对传统的SoS特征进行了拓展和调整，以便纳入新要素，并与不同研究领域的结构更好地衔接。

2.基于该分类方案，系统性地提出了动态SoS领域的研究挑战。我们发现，这一方案能将各项挑战放在具体语境中，便于准确理解其含义。

总之，我们的研究有助于在动态SoS工程领域形成共识和共同愿景。

关键词：动态系统之系统（dynamic SoS）；研究挑战；分类