文献

J-GLOBAL ID：202502235806700979   整理番号：25A0920800

欠陥見落としを考慮したオンライン学習による欠陥予測モデルの構築

Building Defect Prediction Models by Online Learning Considering Defect Overlooking

著者 (8件)： FEDOROV Nikolay (Okayama University) ,  YAMASAKI Yuta (Faculty of Informatics, Cyber Informatics Research Institute, Kindai University) ,  TSUNODA Masateru (Faculty of Informatics, Cyber Informatics Research Institute, Kindai University) ,  MONDEN Akito (Okayama University) ,  TAHIR Amjed (Massey University) ,  BENNIN Kwabena Ebo (Wageningen University & Research) ,  TODA Koji (Fukuoka Institute of Technology) ,  NAKASAI Keitaro (Osaka Metropolitan University College of Technology)
資料名： IEICE Transactions on Information and Systems (Web)  (IEICE Transactions on Information and Systems (Web))
巻： E108.D  号： 3  ページ： 170-174(J-STAGE)  発行年： 2025年 
JST資料番号： U0469A  ISSN： 1745-1361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： オンライン学習に基づく欠陥予測モデルの構築により予測精度を強化することができる。新しいデータポイントを追加しながら,新しい予測モデルを連続的に作り直す。しかしながら,「無欠陥」として予測されたモジュールは,そのようなモジュールのテストケースがより少なくなる可能性がある。そのため,欠陥モジュールがテスト中に見過ごされる可能性がある。誤ったテスト結果はオンライン学習により学習データとして用いられ,予測精度に悪影響を及ぼす可能性がある。負の影響を抑制するために,オンライン学習の初期段階で予測をポジティブに固定する手法の適用を提案した。さらに,欠陥見逃しの確率を考慮するよう方法を改良した。実験では,予測精度へのこの悪影響と本手法の有効性を実証した。結果は,筆者らのアプローチがAUCに悪影響を及ぼさず,リコールを有意に改善することを示した。(翻訳著者抄録)

シソーラス用語： *試験 ,  故障検出 ,  *学習 ,  *故障予知 ,  予測精度 ,  学習データ ,  現象 ,  誤診 ,  防止
準シソーラス用語： エラー防止 ,  *オンライン学習 ,  *ソフトウェアテスト ,  偽陰性 ,  診断見落とし

著者キーワード (5件)： 故障予測 ,  CVDP ,  展望 ,  偽陰性 ,  見落し防止

分類 (2件)： 計算機システム開発  (JD02010R) ,  計算機網  (JC03000K)

引用文献 (9件)：

• [1] M. D’Ambros, M., Lanza, and R. Robbes, “Evaluating defect prediction approaches a benchmark and an extensive comparison,” Empirical Software Engineering, vol.17, no.4-5, pp.531-577, 2012. 10.1007/s10664-011-9173-9
• [2] Information-technology Promotion Agency (IPA), Japan, The 2018-2019 White Paper on Software Development Projects, IPA, 2018 (in Japanese).
• [3] M. Kondo, C.-P. Bezemer, Y. Kamei, A.E. Hassan, and O. Mizuno, “The impact of feature reduction techniques on defect prediction models,” Empirical Software Engineering, vol.24, no.4, pp.1925-1963, 2019. 10.1007/s10664-018-9679-5
• [4] R. Krishna, T. Menzies, and W. Fu, “Too much automation? The bellwether effect and its implications for transfer learning,” Proc. International Conference on Automated Software Engineering (ASE), pp.122-131, 2016. 10.1145/2970276.2970339
• [5] A.S. Mahfuz, Software Quality Assurance - Integrating Testing, Security, and Audit, CRC Press, 2016. 10.1201/b20091

タイトルに関連する用語 (5件)： 欠陥 ,  オンライン学習 ,  欠陥予測 ,  モデル ,  構築