文献

J-GLOBAL ID：201802232331959526   整理番号：18A0708174

検査レビューにおけるクラス不均衡を克服するための経験的調査【JST・京大機械翻訳】

An Empirical Investigation to Overcome Class-Imbalance in Inspection Reviews

著者 (3件)： Singh Maninder ,  Walia Gursimran S. ,  Goswami Anurag
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MLDS  ページ： 15-22  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:ソフトウェア検査は,故障の存在を報告するレビューをもたらす。必要条件は,再検討を通して手動で読み出し,真の故障と偽陽性の間を区別しなければならない。問題:検査後決定(故障または非故障)は困難で時間がかかる。クラス不均衡問題のために機械学習(ML)技術を直接生(非構造化)データに使用することは困難であり,故障の誤分類を通して可能な故障ずれがある。目的:本研究の目的は,この問題をアンサンブルアプローチと優先分析の助けを借りて解決し,いかなるリストされた故障も失うことなく,信頼性のある故障と偽陽性のレビューを決定することにおける有意な精度を達成することである。方法:クラス不均衡問題を扱うために,2つの訓練モデル(検査ドメイン対映画ドメインからのレビュー)を用いて経験的実験を行った。このアプローチは,検査レビューの分類信頼性を開発し,それらを適切な優先クラスに割り当てるためにアンサンブル法を用いる。結果:結果は,映画訓練されたモデルが,訓練された検査より良好に機能し,可能な断層すべりを制限することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *故障 ,  信頼性 ,  必要条件 ,  ソフトウェア ,  構造形成 ,  機械学習
準シソーラス用語： アンサンブル法 ,  誤検出 ,  *実証的研究 ,  *クラス不均衡 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 検査 ,  レビュー ,  クラス不均衡 ,  経験的調査