文献

J-GLOBAL ID：201902287896737549   整理番号：19A2499076

LDFR:ソフトウェア欠陥予測のための深部特徴表現の学習【JST・京大機械翻訳】

LDFR: Learning deep feature representation for software defect prediction

著者 (11件)： Xu Zhou (School of Computer Science, Wuhan University, China) ,  Xu Zhou (Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China) ,  Li Shuai (Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China) ,  Xu Jun (College of Computer Science, Nankai University, China) ,  Liu Jin (School of Computer Science, Wuhan University, China) ,  Liu Jin (Key Laboratory of Network Assessment Technology, Institute of Information Engineering, Chinese Academy of Sciences, China) ,  Luo Xiapu (Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China) ,  Zhang Yifeng (School of Computer Science, Wuhan University, China) ,  Zhang Tao (Faculty of Information and Technology, Macau University of Science and Technology, Macao, China) ,  Keung Jacky (Department of Computer Science, City University of Hong Kong, Hong Kong, China) ,  Tang Yutian (Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China)
資料名： Journal of Systems and Software  (Journal of Systems and Software)
巻： 158  ページ： Null  発行年： 2019年 
JST資料番号： C0845B  ISSN： 0164-1212  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： ソフトウェア定義予測(SDP)は,ソフトウェア品質保証における経済的に重要な活動である試験資源の合理的な配分を可能にするために,欠陥モジュールを検出することを目的とする。効果的特徴表現の学習とクラス不均衡の処理は,SDPにおける2つの主要な課題である。理想的には,モジュールから学習された特徴をより識別し,不均衡問題に対して実行される救助をより良くすることにより,より効果的に,欠陥モジュールを検出することが必要である。本研究では,これらの2つの課題を解決するために,著者らは,SDPのための欠陥データからの学習深さ表現によるLDFRと名付けた新しいフレームワークを提案した。具体的には,欠陥データのより判別的な特徴表現を学習するために,三重項損失からなる新しいハイブリッド損失関数を持つ深いニューラルネットワークを使用し,不均衡問題を改善するために重み付き交差エントロピー損失を用いた。提案したLDFRフレームワークの有効性を評価するために,著者らは,3つの伝統的および3つの効率的な指標を用いて,27の欠陥データ(それぞれ3つのタイプの特徴を有する)を有するベンチマークデータセットに関する広範な実験を実施した。全体として,実験結果は,27のベースライン法と比較したとき,欠陥モジュールの検出におけるLDFRフレームワークの優位性を示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ソフトウェア ,  エントロピー ,  ベンチマーク ,  基準線 ,  *予測 ,  三重項 ,  有効性 ,  ニューラルネットワーク ,  損失関数
準シソーラス用語： 不均衡 ,  クラス不均衡 ,  ソフトウェア品質 ,  *特徴表現 ,  *欠陥予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： ソフトウェア欠陥予測 ,  深い特徴表現 ,  三重項損失 ,  重み付き交差エントロピー損失 ,  ディープニューラルネットワーク

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： ソフトウェア ,  欠陥予測 ,  深部 ,  特徴表現 ,  学習