文献

J-GLOBAL ID：201802246106348955   整理番号：18A1346509

テキストマイニングによるAndroidテスト報告の重症度を予測するための知識移転とラフ集合の使用【JST・京大機械翻訳】

Using Knowledge Transfer and Rough Set to Predict the Severity of Android Test Reports via Text Mining

著者 (3件)： Guo Shikai (College of Information Science and Technology, Dalian Maritime University, Dalian 116026, China) ,  Chen Rong (College of Information Science and Technology, Dalian Maritime University, Dalian 116026, China) ,  Li Hui (College of Information Science and Technology, Dalian Maritime University, Dalian 116026, China)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 9  号： 8  ページ： 161  発行年： 2017年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： クラウド消費は,大規模な国際視聴に達する能力のために,ソフトウェア応用試験に対する魅力的で経済的な解決策である。一方,クラウドソース試験は多くのバグ報告をもたらした。したがって,クラウドソース化ソフトウェアテストにおいて,多数のテスト報告の検査は膨大であるが,不可欠なソフトウェア保全タスクである。したがって,密集した試験報告の重症度の自動予測は,それらの高い数と大きな比率のノイズのために重要である。この問題に対するほとんどの既存のアプローチは,教師つき機械学習技術を利用しており,それはしばしばユーザが多数の訓練データを人手でラベル付けする必要がある。しかし,Android試験報告はそれらの重症度レベルでラベル付けされておらず,手動標識は時間がかかり,労働集約的である。上記の問題を扱うために,テキストマイニングと機械学習法に基づく知識移動分類(KTC)アプローチを提案し,テスト報告の重症度を予測した。著者らのアプローチはバグリポジトリから訓練データを得て,Androidテスト報告の重症度を予測するために知識移転を使用する。さらに,著者らのアプローチは,より正確な削減結果を得るために,特徴的なキーワードを抽出するためにラフ集合に基づく重要度削減(IDR)戦略を使用する。いくつかの実験の結果は,著者らのアプローチがアンドロイド試験報告の重症度を予測するために有益であることを示した。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  キーワード ,  保全 ,  *予測 ,  ソフトウェア ,  集中化 ,  ソフトウェア障害 ,  機械学習 ,  *ラフ集合 ,  リポジトリ
準シソーラス用語： *テキストマイニング ,  訓練データ ,  *知識移転 ,  *重症度 ,  *アンドロイド , 【Automatic Indexing@JST】

著者キーワード (5件)： クラウドソース試験 ,  知識移転 ,  テストレポート ,  重要度低減 ,  ラフ集合

分類 (1件)： 計算機システム開発  (JD02010R)

引用文献 (39件)：

• Mao, K.; Capra, L.; Harman, M.; Jia, Y. A Survey of the Use of Crowdsourcing in Software Engineering; Technical Report RN/15/01; Department of Computer Science, University College London: London, UK, 10 May 2015.
• Dolstra, E.; Vliegendhart, R.; Pouwelse, J. Crowdsourcing gui tests. In Proceedings of the 2013 IEEE Sixth International Conference on Software Testing, Verification and Validation (ICST), Luxembourg, 18-22 March 2013; pp. 332-341.
• Google Code. Available online: https://code.google.com (accessed on 16 August 2017).
• Ko, A.J.; Myers, B.A.; Chau, D.H. A linguistic analysis of how people describe software problems. In Proceedings of the Visual Languages and Human-Centric Computing, Brighton, UK, 4-8 September 2006; pp. 127-134.
• Tian, Y.; Lo, D.; Sun, C. Drone: Predicting priority of reported bugs by multi-factor analysis. In Proceedings of the 29th IEEE International Conference on Software Maintenance (ICSM 2013), Eindhoven, The Netherlands, 22-28 September 2013; pp. 200-209.

タイトルに関連する用語 (8件)： テキストマイニング ,  Android ,  テスト ,  報告 ,  重症度 ,  予測 ,  知識移転 ,  ラフ集合