基于文本分析的软件项目风险研究演化脉络解析

瞿英 范默苒 刘滨 曹树贵

摘 要：軟件项目是以科学满足软件需求为目标，涵盖人员、技术、管理等多种要素的工程实施与组织管理过程。长期以来，由于软件项目客观存在的一些不确定性因素，使得实施过程中常常会遇到设计、费用、进度与功能变化等诸多问题。虽然高效的开发技术不断涌现，但管理问题一直存在，风险问题也经常显现，成为软件行业的焦点问题。正确认识和管理软件项目风险能够提高软件项目开发的成功率，降低风险发生概率。

软件项目风险管理是软件项目管理中的重点问题之一。随着软件行业的发展，软件项目风险呈现出新的特点，风险管理内容也产生了新的变化。为了追踪软件项目风险管理研究的脉络和发展趋势，运用网络爬虫技术，获取了国内外软件项目风险相关文献3 129篇，利用分词和统计分析技术，对文献作者、关键字、主题等进行提取和词频分析，挖掘出研究主体的空间分布情况;从发文数量及发文时间角度对中外学者研究进行对比分析，梳理出软件项目风险概念界定、研究阶段、研究方法等方面的演化进程。通过对文献主题的分析，梳理出软件项目风险研究的方向和趋势。

通过上述文本分析思路，可以得出该领域中的主流研究方法及发展趋势。在文献数量的变化上可以推断，软件项目风险同质化研究较多，研究的创新性突破口难以发掘，致使中文文献数量有所降低。通过观察研究团队词云可视化情况，发现了计算机类及管理类两大主流研究方向。如何从管理角度进行风险研究一直是该领域关注的重点。基于时间顺序的文献主题汇总，能够清晰看出软件项目风险研究是以项目管理为主导、风险管理为导向，将项目管理及风险管理相融合，进行以软件项目为主体的概念性界定。软件项目风险管理理论研究相对成熟后，风险评估、风险识别、风险控制相关技术性的研究也开始兴起，再从应用角度进行风险管理的验证研究。

至今风险管理仍以评估为主要研究手段，通过对高频词的共性进行分析，找到词汇关联中较为新颖的研究方向。例如，风险识别过程正在从人工主观辨别向机器自动识别转化;风险管理对象属性特点的转变是由静到动的变化;由大数据技术引发的风险知识库建立、智能风险管理系统的搭建等前沿研究。对研究趋势的探索将为软件项目风险防控、提升软件项目成功率提供新的解决思路，为软件项目风险的相关研究提供可参考的方法。

关键词：管理计量学;软件项目风险;文本分析;演化脉络;文献计量

中图分类号：G353.1   文献标识码：A   doi：10.7535/hbkd.2020yx01010

Abstract：Software project is an engineering process that aims to meet the demand side of software scientifically， covering various elements such as personnel， technology， management， etc. For a long time， due to some uncertain factors of software projects， many problems such as design， cost， progress and function change are often encountered in the implementation of software projects. Although the development technology is constantly improving， the management problems always exist， and the risk problem is inevitable， making it being the focus of the software industry. Correctly understanding and managing the software project risk can improve the success rate of software project development and reduce the probability of risk occurrence.

Software project risk management is one of the key issues in software project management. With the development of software industry， software project risk also presents new characteristics， and the content of risk management also has new changes. In order to track the context and development trend of software project risk management research， this paper adopts the following methods： using web crawler technology， 3 129 domestic and foreign software project risk related literature are obtained; using word segmentation and statistical analysis technology， the author， key words， main topics， etc. of the literature are extracted and word frequency analysis is carried out， and the spatial distribution of the research subjects is mined; from the perspective of the published paper number and time， this paper compares and analyzes the study of Chinese and foreign scholars， and combs out the evolution processes of software project risk concept definition， research stage， research methods， etc. Through the analysis of the literature topic， the paper summarizes the research direction and trend of software project risk.

Through the above text analysis ideas， we can get the mainstream research methods and development trends in this field. It can be inferred from the change of literature number that there are many researches on software project risk homogenization， and it is difficult to explore the innovative breakthrough of the research， resulting in the decrease of the number of Chinese articles and stagnation. By observing the word cloud visualization of the research team， two main research directions are found： computer and management. How to conduct risk research from the perspective of management has always been the focus of this field. Based on the time sequence literature topic summary， it can be clearly seen that the software project risk research is a project management oriented and risk management-oriented research， and the project management and risk management are integrated to define the concept of software project as the main body. After the theoretical research of software project risk management is relatively mature， related technical researches such as risk assessment， risk identification and risk control begin to rise， then risk management validation research is conducted from the perspective of application.

Up to now， risk management still takes assessment as the main research method. Through the co-occurrence analysis of high-frequency words， this paper can find relatively new research directions in lexical association. for example， the process of risk identification is transforming from artificial subjective identification to machine automatic identification， the transformation of attribute characteristics of risk management objects is from static to dynamic， and other cutting-edge researches such as the establishment of risk knowledge base caused by big data technology， the construction of intelligent risk management system， etc. The exploration of research trends will provide new solutions for software project risk prevention and control， improve the success rate of software projects， and provide reference methods for the related research of software project risk.

Keywords：management metrology; software project risk; text analysis; evolution vein; bibliometrics

20世紀80年代，BOEHM的专著《软件风险管理》问世[1]，奠定了该领域的理论基础，其突出贡献在于把人们领入了软件项目风险管理的研究领域，并且提出了TOP10风险清单的风险辨识思想。同期CHARETTE 从不同角度也构造出类似的风险管理结构。SEI（software engineering institute）作为研究和实践软件风险管理的最大基地，认为软件风险评估、持续的风险管理和团队风险管理构成了软件项目风险管理的基本框架。Maryland大学KONTIO提出了Riskit模型，旨在对风险起因、触发事件及其影响进行完整的体现和管理，并按一定步骤评估风险。PETRA等[2]提出通过组织间项目的相互作用来共享和生成基于实践和分布式项目的管理方法。HALL提出六学科模型，考虑了风险管理与项目管理的结合，注重风险的度量和控制，是理论与实践相结合的有益尝试。微软认为在项目生命期的所有阶段都应当关注风险识别和管理，并将风险管理划分为5个步骤：风险辨识、风险分析、风险活动计划、风险跟踪和风险控制，强调这是一个在项目开发过程中反复持续进行的活动序列。

在上述经典理论体系的基础上，中外学者对这一管理框架的运行模式、实现方式等展开了深入研究，取得了较为丰硕的成果。但是在新的行业背景下，软件项目管理过程涉及到的因素趋向多元化，风险管理也趋向复杂化。为此，笔者试图通过数据分析技术，对前期研究成果进行分析，以期全方位了解该领域的研究状态和发展前沿，为该领域的未来研究提供参考，同时为提升软件项目的成功率提供新见解[3]。

1 数据与方法

随着文献分析技术的不断发展，尽管出现了诸如CiteSpace等工具，但不同工具的分析结果受制于其分析算法及数据源。为了尽可能提高数据采集的全面性，笔者采用基于Python的爬虫技术采集相关领域的中英文文献数据。其中：中文文献数据来源于中国学术期刊全文数据库的知识检索平台，以主题“软件项目风险”和“IT项目风险因素”为检索对象，以此来确定数据所在网络的资源定位符（URL）;其次，确定文本分析所需数据项的网页HTML标识符号，包括标题、摘要、关键字、作者、导师、作者单位、作者专业、发表年份、作者专业以及引用次数，通过Python技术，调用requests包中get函数requests.get（URL）打开需要的网址、BeautifulSoup包定位“爬取”数据在网页中的位置，根据确定的URL及数据项的统一标识“爬取”文章内容存于Ecxel中，从而得到各数据项划分清晰的中文文献，如表1所示。爬取出的文献总数为1 642篇，全部中文文献年份为2003—2018年。

外文文献的获取平台为ScienceDirect（http：//www.sciencedirect.com），检索的关键词为Software project risk。为了与中文文献的时间一致，以便更好地对比分析，检索时段设定为2003—2018年。其中爬虫的内容为标题、摘要、关键字、文章发表时间，文章类型为研究文章，检索结果共得到147 418篇外文文献，按照相关度排序爬取出1 487篇文献。

Python中jieba包是分词、词频及词性分析的有力工具，Python中jieba. analyse. extract_tags（）为中文文本进行分词，jieba. posseg. cut（）为分词的词语进行词性判定，for循环语句统计了分词词汇的数量。Python分词及词频统计技术为软件项目风险相关文本中研究团队、专业倾向、研究内容、研究方法等提供了有效的分析途径，通过对高频词的提炼及分析便于找到研究热点，加入时间因素有助于梳理主要研究脉络。根据得到的高频词，运用词语共现网络得到软件项目风险研究中的典型意见分析，并结合研究脉络探索该研究未来发展趋势，为该领域的研究提供借鉴。

2 国内外软件项目风险研究概况分析

国内外软件项目风险研究概况分析是针对文献的基本情况进行的，主要包括国内外文献的发表时间、发表数量对比分析以及中国软件项目风险研究团队分析。

2.1 软件项目风险研究时间分布

中文文献中有1 642篇标注了发表时间，外文文献中根据相关性排序先后选取该领域相关文献1 281篇，图1为中外文文献发表时间的分布对比，体现了数量变化的趋势。

2.1.1 中文文献变化趋势分析

从图1中可以看出，中文文献数量总体上呈先上升后降低的趋势，可能原因归纳如下。

1）已知风险研究趋于成熟，风险规避有方

随着研究的不断深入与发展，中国软件项目风险已经从原来的模糊未知转变到有足够的认知。对软件项目风险的充分认知，使得对已有风险进行有效识别控制甚至是进行管理成为可能，进而可能有效地规避软件项目风险，最终降低软件项目风险，这也导致了研究热点的逐渐降温。但软件项目成功率依旧不高，因此风险管理工作找到新的突破口尤为重要。如何对风险进行全面识别、实时更新等需要学者做进一步的研究。

2）同质化研究较多，未知风险很难发掘

在中文文献的爬虫结果中不难发现评价类的文章较多，这说明软件项目风险的研究主要是围绕对已有风险进行识别后的评价，对于未知风险的研究比较欠缺，也很难发掘，导致对已有风险的研究已经达到相对饱和，对不明确的风险研究不够及时。

2.1.2 外文文献的变化趋势分析

外文文献发表数量一直在提升，呈指数型增长，究其原因可从以下2方面考虑。

1）风险在软件项目中仍具有致命性

国外对于软件项目风险的研究一直没有停歇，热度依旧很高。软件项目风险对软件项目的成败仍然起着决定性的作用，再加上风险存在的客观性、风险管理主体对风险的认知度及驾驭能力尚未达到理想水平，所以相关研究一直在延续。

2）外文文献存在地域性差距

外文文献的收录包括多个国家和地区，文章數量较中文文献有很大差距，更重要的是区域研究水平表现不平衡等问题，导致同质性研究内容在时间分布上有所差异。加拿大学者NICK等[4]在2013年应用模糊理论对软件项目风险进行了评估;西班牙学者ANTONIO等[5]在2016年同样运用模糊理论及层次分析法对软件项目风险进行了评估。

2.2 中国软件项目风险研究团队分析

对中国软件项目风险研究团队的分析包括该领域中高发文量的作者、所在学校（单位）及专业的梳理汇总。将文献作者、单位、专业的文本预处理分词后，进行词频统计，可视化为词云图，见图2和图3。

2.2.1 软件项目风险研究科研单位贡献分析

在中国软件项目风险领域研究较多的作者有王长峰、张金隆、万江平、杨洪涛、邵培基、胡桃、蒋波、李敏强、卢向南、瞿英等，已经形成了以这些学者为首的研究团队。以北京邮电大学为例，软件项目风险的研究从对已有软件风险归纳汇总，提出相应的应对策略，到更加精深的信息系统集成项目风险管理过程的研究，再到对软件测试外包项目风险的研究，最终实现大型软件项目风险管理问题的创新与探讨。这是一个由浅至深，从模糊到精细的过程，代表了软件项目风险研究领域的逐步发展与完善。

2.2.2 软件项目风险研究专业倾向分析

在发表数量大于10的专业中，管理类专业占66.7%，计算机类专业占33.3%。可以说明软件项目风险相关研究中，管理类专业针对软件项目风险的研究比例较大，而以计算机技术为主的研究相对薄弱。换句话说，大部分中文文献中，软件项目风险的相关文献主要是从管理学的角度来论述的。这也充分印证了前面的观点，虽然计算机技术不断发展，软件开发的难度看似在减少，但风险依然存在，所以仅仅从技术角度来解决风险问题是不可行的，管理问题一直是该领域的关键问题。

3 国内外软件项目风险研究演化进程分析

通过分析文献的研究内容，从软件项目风险定义、研究内容、研究方法3个角度归纳了风险研究的演化进程。

3.1 软件项目风险定义演化进程

普遍认为作为特殊的智力密集型项目，软件项目的实施充满着不确定性，项目成功在很大程度上取决于实施过程中对风险进行的有效识别、预测和控制。因此，把软件项目风险管理作为一类特殊项目的风险管理问题，探讨适合该领域的风险管理理论模型及框架成为软件项目实施中面临的核心问题。该问题的研究主要集中在如何从管理角度界定风险管理的完整过程、细化风险管理的可操作性步骤和设计风险管理实施的准则等。目前理论界公认的经典软件项目风险管理理论体系如表2所示。

3.2 软件项目风险研究热点演化进程（2003—2018年）

以国内外文献的关键字为依据进行词频分析，对研究热点聚类分析，将其演化进程归结为6个阶段（见图4）。

第1阶段（项目管理主导研究）：2003年软件项目风险研究开始起步，从“项目管理”的角度出发，结合软件项目的特殊性，以项目管理过程的理论经验对软件项目风险进行了诱导式拓展研究。另一方面，随着时间的推进，项目管理信息化逐渐成为主导，这为软件项目风险管理提供了参考。康丽华等[11]在2017年设计了信息系统平台，提升了项目的智慧化管理水平。

第2阶段（风险管理导向研究）：2004年，相关学者经过对软件项目风险的初步探索，引入“风险管理”管理框架，为软件项目风险的研究增添了新的思路及依据。

第3阶段（项目管理与风险管理融合研究）：2005年，“项目风险管理”理论基本形成，自此相关学者开始对软件项目风险进行粗略的评估研究。

第4阶段（风险评估初步研究）：2006—2007年，对风险因素的分析及风险程度的衡量等方面成为该阶段的主体工作。而软件项目风险的不确定性使得风险评估工作更具挑战性，因此对风险识别与风险分析的研究逐渐开始，并逐步深入。

第5阶段（风险识别、风险控制为主的研究）：2008—2013年，经过了上一阶段的研究积累，引入了一些定量评估方法，但评估客体的客观性及全面性制约着评估的准确性。人们充分认识到风险识别工作的重要性之后，不得不重拾风险识别工作，旨在全面认识风险，为风险评价、分析及应对提供基础。同时，作为评估目的，风险控制的研究工作也逐渐开展起来。

第6阶段（风险评估与风险控制并举阶段）：2014—2018年，风险识别研究趋于成熟，更加准确地分析风险因素之间的相互关系及其重要性等工作变得尤为重要。评估方法的改进创新，特别是大数据驱动的风险评估为风险评估工作带来了新的生机，风险控制方法及策略研究也逐步深入。与此同时，风险管理也更加具有针对性，例如董涛[12]提出了一种不同于大中型软件项目的实用小型软件项目开发风险管理方法。

软件项目风险研究常用方法见表3。

上述方法中，模糊理论、贝叶斯、神经网络、层次分析法、粗糙集理论等方法多被用来进行软件项目风險评价。饶正婵等[23]对软件项目风险进行了评估，主要针对依赖于度量技术进行软件需求风险分析的研究还很少，所以采用改进后的灰色聚类方法进行风险评估，并研究其评估的可行性;陈蔚琦[22]、张婧文等[24]采用模糊理论的相关思想进行软件项目风险评估;徐加振[25]、方安儒[26]运用贝叶斯相关理论对软件项目风险进行了评价;黄存信[27]运用神经网络手段对软件项目风险进行了评价;王雪丽等[28]应用贝叶斯和模糊理论对软件项目风险进行了评估，运用该方法为开发高质量的可信软件提供了策略。

3.3 软件项目风险研究方法演化进程

通过对软件项目风险领域研究方法的词频统计，可以看出软件项目风险研究方法集中于风险评估方法方面，学者试图将常用的评价及决策方法应用于该领域，以期获得最佳的评估效果，主要方法包括贝叶斯网络、层次分析法、解释结构模型、模糊综合评价法、BP神经网络、遗传算法等。本文对上述方法从适用范围、方法、使用时间阶段及用例进行了归纳，详见表3。

4 国内外软件项目风险研究趋势探究

主题联想是指从“软件项目风险”的文献中提炼出相关的主题并归纳其间联系与知识联想的过程。根据学术平台文献中的题目、关键字和摘要文本内容，提取词频高且与主题相关的中心词，再筛选出以中心词为主题相关的高频词作为中心词描述词，以此类推形成如图5所示的主题联想图。从图5中可以看到，围绕中心位置突显的主题包括信息化、软件项目、软件项目风险，“软件项目风险”的文献背景主要依据这3个方面。在这3方面中依次展开的研究各不相同但又有着密不可分的关系，最后一层根据主题词的共现关系对各主体研究的部分成果或方向进行了脉络梳理。在此基础上梳理出“软件项目风险”研究领域的主题间联系与布局。

在研究热点演化进程第6阶段中提到大数据驱动的软件项目风险管理为风险评估和控制提出了新思路，因此数据时代为未来风险识别、风险属性辨别、风险知识库建立、智能风险管理方面提供了新方法。与此同时，主题分析旨在从宏观角度掌握全面研究思路，探讨研究中新的方向，为接下来的研究提供新的角度。图5为未来研究提供了以下空间和思路。

4.1 风险识别面临从人工辨别到自动识别的转变

从图5可以看到，风险识别依旧是软件项目风险的一大研究内容。根据以往的研究和实践经验，风险识别研究应该早已饱和，但是风险识别的方式依旧有自动识别、人工辨别的情况。这种现象的产生无外乎有新的不可预知的风险随时产生，所以导致风险识别依然是软件项目风险研究中的一大难题，那么“新风险”的产生方式和应对策略就变得尤为重要。

首先，在原有软件项目进程中会发生很多意想不到的情况。比如项目投入人员流失风险，这是在前期过程中预料不到的，同时也没有办法能够提前进行预防，但是这一系列不可预期的突发事件极有可能影响软件项目的正常进展，甚至最终导致整个软件项目的失败[29]。所以新风险的产生有一部分原因是由于软件项目内部自身特点及情况所导致的。

其次，随着新技术、新方法的出现，软件项目的风险越来越复杂，导致风险管理策略也会随之改变[30]。与此同时，新技术的形成，使得软件项目面临新的工作形式，同时风险也会加大，未知风险也会越多[31]。所以，软件项目自身以外的技术、发展等因素导致了新风险的产生。

“新风险”的不断产生使得软件项目风险识别研究成为一大难题，探究“新风险”的产生机理、探索适应性自动识别方法和技术已迫在眉睫。

4.2 风险管理对象由静态到动态的转变，引发的风险评估、风险控制、风险应对方法的适应性创新

风险特征中，不仅有危险性和可能性的特点，“诱因”和“流动性”也值得关注。

在软件项目的进程中，生命周期每一个阶段的工作不是一个个独立的个体，他们之间存在着密切的关系，因此，风险的产生和作用过程很有可能具有“流动性”的特点。所以在描述风险的过程中就不应该像大部分研究那样从静态角度考虑风险的成因和解决办法，有些风险是具有动态过程的。

正是因为动态过程才会导致“诱因”特征的出现，所以说有些风险的产生是由于其他风险或者行为“诱导”而来的。例如，产品规模的风险就会“诱导”客户相关风险、过程风险、技术风险、开发环境风险、人员模式风险等。在软件项目风险初期如果没有明确产品规模，在之后研发和测试等过程中就会产生由于规模大小不确定“诱导”技术方法不确定、详细过程不确定、需要开发的环境不确定的风险。所以在软件项目中不能忽视风险的“流动性”。那么如何正确认识风险具有哪些“流动性”，哪些风险是哪些风险的“诱因”就非常关键了。因此，一个成体系的风险知识库是软件项目发展强有力的理论依据。

4.3 基于完备的风险数据库的风险知识库的构建问题

风险数据库的不完备及风险知识库的不可应用性是软件项目风险管理实践水平的瓶颈。

“软件项目风险”研究的相关文献中提炼与联想其中风险信息的来源主要包括网页内容、电子邮件、数据库、个人信息等。可以发现，风险数据库与其他风险因素的来源相冲突。换句话说，风险数据库的存在并没有使软件项目风险因素的来源具有可靠性，大部分学者及相关工作人员依旧从网页、邮件等渠道获取风险信息。因此风险因素的不确定性，导致无法有效预防和合理规避风险，最终使软件项目的成功率一直不高。

首先，现阶段没有一个能有效被大众认可的风险数据库及风险知识库，用于存放已有的风险及风险相关的知识。这就要求“新技术”不断进步与发展，符合软件项目中“新技术”的研究方向。所以一个完善的风险数据库和知识库的实现只是时间问题，随着研究人员的不断深入探讨，数据库和知识库的建立指日可待。

其次，前文中提到了软件项目中会有不断的“新风险”产生。所以在风险数据库和知识库的基础上就要求具有随时更新的功能特点。从软件项目的技術层面来看，在一个完善的风险数据库和知识库的基础上增加更新风险的功能并不难。在工作团队中，就要求各方面的软件项目工作人员有跨部门、跨单位的分享意识，使软件项目风险的研究进入到更高层次。在学术研究中，各专家学者应利用好网络平台这一共享媒介，为软件项目风险研究提供更为全面的专业依据。

4.4 数据驱动的智能风险管理

前文中提到软件项目风险识别从人工辨识到自动识别的过程预示着智能风险管理时代的到来。同时，软件项目分析涵盖了定量分析、数据分析、精细分析及统计分析等内容，也预示着大数据时代在软件项目风险管理过程中起着理论性、权威性方面的突出作用。“人工智能”、“人际交互”时代的到来为软件项目风险管理的便捷性、全面性做出了贡献。

大数据技术的广泛应用使软件项目风险管理的各个阶段有据可寻。例如，本文在该研究领域的相关分析中通过使用大量文献数据，汇总解析出有价值的演化脉络，因此数据驱动下的风险管理将会更有价值。与此同时，智能化发展为风险管理带来了成体系的软件项目运作过程科学的管理方式，更智能地识别出软件项目各阶段的风险因素及规避方式。综上，“大数据”、“智能化”两大新兴技术为软件项目风险管理带来了更大的机遇。

5 结 论

本文以CNKI及ScienceDirect数据库为数据基础，运用爬虫技术，获取了国内外软件项目风险的相关文献，利用分词技术方法，对文献作者、摘要等内容进行词频分析。研究发现，在软件项目风险领域中已经拥有一批以王长峰、张金隆等为代表的研究人员，主要研究团队包括北京邮电大学项目管理专业、华南理工大学项目管理专业等研究机构。

在此基础上，从发文时间角度梳理出未来软件项目研究的热点将趋向于以下几方面：①软件项目风险研究的理论体系脉络;②软件项目风险研究热点的演化过程;③软件项目风险研究方法的演化过程。

通过对文献主题的挖掘，汇总出软件项目风险研究的主题特征，明晰软件项目风险研究中面临的新挑战：①“新风险”对风险识别过程带来的挑战;②风险管理从静态到动态转变的挑战;③风险知识库构建的挑战。

受網络信息获取的客观限制，本文只对软件项目风险相关文献的标题、摘要、关键字和作者的基本信息进行了提取，对于文献的正文部分没有进行深入研究;此外，本文只针对中文电子学术文献进行了相关研究，并未对其他媒介的新闻报导进行分析，因此部分研究还不够完善和深入。未来将着眼于扩大数据来源及拓展研究方法进行深入探索。

参考文献/References：

[1] BOEHM B W. Software Risk Management[M]. Washington DC： IEEE Computer Society Press， 1989.

[2] PETRA M B， LARS-HENRIK H. Managing projects with distributed and embedded knowledge through interactions[J]. International Journal of Project Management，2014，32：1432-1444.

[3] 唐爱国， 胡春华.模糊理论在软件项目风险评估中的应用[J]. 中南大学学报（自然科学版）， 2017， 48（2）： 411-417.

TANG Aiguo， HU Chunhua. Application of fuzzy theory in software project risk assessment[J]. Journal of Central South University （Natural Science Edition）， 2017， 48（2）： 411-417.

[4] NICK J， PIZZI A. Fuzzy classifier approach to estimating software quality[J]. Information Sciences， 2013，241（8）：1-11.

[5] ANTONIO R， FRANCISCO O， RAMIRO C. A method for the evaluation of risk in IT projects[J]. Expert Systems with Applications， 2016，45：273-285.

[6] 方德英，李敏强.IT项目风险管理理论体系构建[J].合肥工业大学学报（自然科学版），2003，26（10）：907-912.

[7] UZZAFER M. A contingency estimation model for software projects[J]. International Journal of Project Management， 2013， 31（7）： 981-993.

[8] 张子剑， 曹静， 饶国政， 等. 软件过程风险评估方法研究[J]. 计算机科学与探索， 2014， 8（6）： 674-683.

ZHANG Zijian， CAO Jing， RAO Guozheng， et al. Research on software process risk assessment method [J]. Computer Science and Exploration， 2014， 8（6）：674-683.

[9] THOMAS S， BHASI M. A discriminant model for classifying software project performance[J]. International Journal of Information Technology Project Management， 2016， 7（2）： 58-71.

[10] AHN G， KWON M， KANG C， et al. Probabilistic graphical framework for predicting software project risk[J]. Industrial Engineering and Management Systems， 2018， 17（1）： 120-127.

[11] 康丽华， 侯君华， 韩保刚， 等. 基于Cloud & BIM的智慧建筑项目管理信息平台设计[J]. 河北工业科技， 2017， 34（6）： 459-464.

KANG Lihua， HOU Junhua， HAN Baogang， et al. Design of intelligent building project management information platform based on cloud & BIM[J]. Hebei Journal of Industrial Science and Technology， 2017， 34（6）： 459-464.

[12] 董涛. 一种实用的小型软件项目开发风险管理方法[J]. 电脑编程技巧与维护，2018（12）：74-76.

DONG Tao. A practical risk management method for small software project development[J]. Computer Programming Skills and Maintenance， 2018（12）： 74-76.

[13] 王雪丽. 面向可信软件的风险评估及控制方法研究[D]. 昆明： 云南大学， 2015.

WANG Xueli. Research on Risk Assessment and Control Methods for Trusted Software[D]. Kunming： Yunnan University， 2015.

[14] HU Yong， ZHANG Xiangzhou， NGAI E W T， et al. Software project risk analysis using Bayesian networks with causality constraints[J]. Decision Support Systems， 2013，56： 439-449.

[15] 武志強. C银行软件项目风险管理研究[D]. 上海： 华东理工大学，2016.

WU Zhiqiang. Research on Software Project Risk Management of Bank C[D]. Shanghai： East China University of Technology， 2016.

[16] 王军勇， 钱勇， 张波， 等. Y公司软件项目实施风险识别[J]. 电子世界， 2018（13）： 93-95.

WANG Junyong， QIAN Yong， ZHANG Bo， et al. Risk identification of software project implementation of company Y[J]. Electronic World， 2018（13）：93-95.

[17] 吴选章. 内蒙XX煤炭公司ERP项目风险管理研究[D]. 南京： 南京邮电大学，2014.

WU Xuanzhang. Research on ERP Project Risk Management of XX Coal Company in Inner Mongolia[D].Nanjing： Nanjing University of Posts and Telecommunications， 2014.

[18] DAVIDE A， RICCARDO D， VALERIA M. Risk assessment in ERP projects[J]. Information Systems， 2012， 37（3）： 183-199.

[19] 高凯. 电厂仿真软件项目投标风险管理研究[D]. 北京： 华北电力大学，2016.

GAO Kai. Research on Bidding Risk Management of Power Plant Simulation Software Project[D]. Beijing： North China Electric Power University， 2016.

[20] 郭雪辉. 某媒体平台建设项目风险管理研究[D]. 北京： 北京交通大学， 2018.

GUO Xuehui. Research on Risk Management of a Media Platform Construction Project [D]. Beijing： Beijing Jiaotong University， 2018.

[21] 李会娜. 基于并行BP神经网络算法的软件项目风险评估[D]. 呼和浩特： 内蒙古农业大学，2012.

LI Huina. Software Project Risk Assessment based on Parallel BP Neural Network Algorithm [D]. Hohhot： Inner Mongolia Agricultural University， 2012.

[22] 陈蔚琦. 基于加性噪声模型的因果关系推断理论及其应用[D]. 广州： 广东工业大学， 2016.

CHEN Weiqi. Causal Inference Theory based on Additive Noise Model and Its Application [D]. Guangzhou： Guangdong University of Technology， 2016.

[23] 饶正婵， 蒲天银. 灰色聚类评价在软件需求风险评估中的应用[J]. 煤炭技术， 2012， 31（12）： 202-203.

RAO zhengchan， PU Tianyin. Application of grey clustering evaluation in software demand risk assessment[J]. Coal Technology， 2012， 31（12）： 202-203.

[24] 张婧文， 刘新慧. 软件研发项目需求复杂性及其与项目风险关系研究[J]. 科技管理研究， 2015， 35（24）： 182-185.

ZHANG Jingwen， LIU Xinhui. Research on the complexity of software R & D project demand and its relationship with project risk[J]. Science and Technology Management Research， 2015， 35（24）： 182-185.

[25] 徐加振. 基于贝叶斯网络的项目族风险评价研究[D]. 长沙： 湖南大学，2014.

XU Jiazhen. Research on Project Family Risk Assessment based on Bayesian Network [D]. Changsha： Hunan University， 2014.

[26] 方安儒. 面向中国企业ERP系统应用的实证研究[D]. 哈尔滨： 哈尔滨工业大学，2010.

FANG Anru. Empirical Research on ERP System Application for Chinese Enterprises [D]. Harbin： Harbin University of Technology， 2010.

[27] 黄存信. 企业信息系统二次开发风险管控研究[D]. 福州： 福州大学，2014.

HUANG Cunxin. Research on Risk Management and Control of Secondary Development of Enterprise Information System[D]. Fuzhou： Fuzhou University， 2014.

[28] 王雪丽， 张璇， 李彤， 等. 面向可信軟件的风险评估方法[J]. 计算机工程与应用， 2016， 52（19）： 97-101.

WANG Xueli， ZHANG Xuan， LI Tong， et al. Risk assessment method for trusted software [J]. Computer Engineering and Application， 2016， 52（19）： 97-101.

[29] 付尤成. 基于Logistic模型的软件项目风险评估[D].长沙： 湖南大学，2016.

FU Youcheng. Software Project Risk Assessment based on Logistic Model[D]. Changsha： Hunan University， 2016.

[30] 于丽敏. 潍坊市技师学院信息化项目风险管理研究[D]. 青岛： 青岛大学，2017.

YU Limin. Research on Risk Management of Informatization Project of Weifang Technical College [D]. Qingdao： Qingdao University， 2017.

[31] 马铖舜. G市政府ASS系统开发项目风险评价研究[D]. 广州： 华南理工大学， 2015.

MA Chengshun. Research on Risk assessment of Ass System Development Project of G Municipal Government [D]. Guangzhou： South China University of Technology， 2015.