抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
バグ報告を与えられたsoftwareprojectにおける潜在的バギーファイルの位置決めの自動化タスクはバグ局在と呼ばれている。Buglocalizationが重要なファイルに焦点を当てた開発者を助ける。theexisting自動バグ究明支援アプローチは重要な課題,語いミスマッチと呼ばれるに直面している。特に,バグreportstoバグを記述で使用される項が発生源内ファイル使用される用語とコードトークンとは異なっていた。に対処するために,著者らはrVSM,informationretrieval(IR)技術と組み合わせたusesdeepニューラルネットワーク(DNN)新しいアプローチを提案した。rVSMはバグ報告書とソースコード間のtextualsimilarityの特徴を収集した。DNNは,ソースファイルにおける潜在的に異なるcodetokensと項にバグ報告書の項を関係づけるlearntoに使用された。オープンソースプロジェクトにおける実験的評価が実世界のバグ報告書はDNN andIRは個々のモデルよりも高いバグlocalizationaccuracyを達成するためにお互いに良く補完であることを示した。DNNLOC,DNN,rVSM,プロジェクト「sbug固定歴史から構築された特徴の組合せを用いて,この新しいモデルは,状態のartIRと機械学習技術よりも高い精度を達成した。症例の半分では,単一示唆されたファイルでiscorrect。時間の66%で,acorrectバギーファイルは三示唆されたファイルのリストである。5suggestedファイルにより,症例のほぼ70%で正確である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
