测试用例的复用在提高软件测试质量、缩短测试周期和改善测试人员经验不足等方面均起着十分重要的作用。软件需求指导测试用例的设计和编写,软件需求与测试用例之间存在密不可分的联系。软件需求可依据软件功能的不同划分成不同的类别,进而将测试用例分类。本文从软件需求入手,提出一种基于软件需求分类的测试用例复用框架,为测试用例复用提供有效的方法。软件需求大多以文本形式进行描述,因此可以将软件需求分类转化为文本分类。经过预处理后的软件需求可表示为一个具有高维度和稀疏性的特征向量空间,增加了分类的时间复杂度和空间复杂度进而影响到分类的精度。本文在对其各个流程进行仔细分析之后,重点研究了特征降维的过程,包括特征抽取和特征选择。相比较之下,特征选择算法因其过程比较简单,且可以取得比特征抽取算法更理想的降维效果,因此应用于软件需求分类更加有效。本文分析几种传统的特征选择算法,提出基于禁忌搜索算法的特征选择,并应用到软件需求分类。本文重点比较了启发式算法中的遗传算法,结果显示,将禁忌搜索算法应用于软件需求特征选择可避免选择结果陷入局部最优解,最终得到最优特征子集。为了验证方法的有效性,通过中文语料库对基于禁忌搜索算法的特征选择方法进行测试,并用准确率、召回率以及F1评估值等评估指标定量分析效果。实验结果表明,与传统遗传算法相比,禁忌搜索算法不仅可以去除更多无效特征,同时提高分类准确性。最后通过实例研究,该方法可以确保软件需求分类的准确性。