文献

J-GLOBAL ID：201502266820658654   整理番号：15A0337228

ELBlocker:アンサンブル不均衡学習を用いたブロッキングバグの予測

ELBlocker: Predicting blocking bugs with ensemble imbalance learning

著者 (5件)： XIA Xin (Coll. of Computer Sci. and Technol., Zhejiang Univ., Hangzhou, CHN) ,  LO David (School of Information Systems, Singapore Management Univ., SGP) ,  SHIHAB Emad (Dep. of Computer Sci. and Software Engineering, Concordia Univ., Montreal, QC, CAN) ,  WANG Xinyu (Coll. of Computer Sci. and Technol., Zhejiang Univ., Hangzhou, CHN) ,  YANG Xiaohu (Coll. of Computer Sci. and Technol., Zhejiang Univ., Hangzhou, CHN)
資料名： Information and Software Technology  (Information and Software Technology)
巻： 61  ページ： 93-106  発行年： 2015年05月 
JST資料番号： B0445B  ISSN： 0950-5849  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 文脈:ブロッキングバグとは他のバグが修正される事を妨げるバグである。以前の研究は非ブロッキングバグと比較してブロッキングバグを修正するために約2から3倍長い時間が掛かる事を示した。目的:早期にブロッキングバグを自動的に予測する事はブロッキングバグの影響を低減あるいは回避する事を助け得る。しかしながら,ブロッキングバグを予測する時の主要な挑戦課題はバグのほんの小さな割合がブロッキングバグである,即ち,ブロッキング及び非ブロッキングバグ間に非一様分布が存在する事である。これをクラス不均衡現象と称している。手法:本論文において,筆者らは与えられた訓練データに対するブロッキングバグを同定するためのELBlockerを提案した。最初に,ELBlockerは訓練データを複数の互いに素な集合へと分割し,各互いに素な集合に対して分類子を構築する。次に,これらの複数分類子を組み合わせ,非ブロッキングバグからブロッキングバグを差別化するために適切な不均衡決定境界を自動的に決定する。不均衡決定境界を用いて,例えその尤度スコアが低かったとしても,その尤度スコアが決定境界より大きかった時にバグ報告はブロッキングバグとして分類される。結果:ELBlockerの利益を検査するために,全体で402962のバグを含む6つの大きなオープンソースプロジェクト上で実験を実施した。ELBlockerがF1及び効果比@20%スコアを各々0,482及び0.831まで達成する事を検出した。6つのプロジェクトに跨った平均に関して,ELBlockerはF1及び効果比@20%スコアをGarcia及びShihabによって提案された最新技術手法と比較して各々14.69%及び8.99%改善した。統計検定は改善が顕著で,効果サイズが大きい事を示した。結論:ELBlockerはクラス不均衡現象の扱いを助け得て,ブロッキングバグの予測を改善する。ELBlockerは最新技術手法,即ち,Garcia及びShihabの手法,SMOTE,OSS及びBaggingと比較して本質的かつ統計的に著しい改善を達成する。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ソフトウェア障害 ,  *機械学習 ,  *予測 ,  分類 ,  自動化
準シソーラス用語： *アンサンブル学習 ,  *ブロッキングバグ ,  *不均衡学習

分類 (3件)： 計算機システム開発  (JD02010R) ,  人工知能  (JE08000Z) ,  統計学  (AB08000H)

タイトルに関連する用語 (6件)： アンサンブル ,  均衡 ,  学習 ,  ブロッキング ,  バグ ,  予測