文献

J-GLOBAL ID：202002219316483249   整理番号：20A2272975

クロスプロジェクトコンテキストにおけるソフトウェアバグ重症度評価のためのエントロピーベース機械学習モデル【JST・京大機械翻訳】

Entropy Based Machine Learning Models for Software Bug Severity Assessment in Cross Project Context

著者 (3件)： Kumari Madhu (Delhi College of Arts & Commerce, University of Delhi, Delhi, India) ,  Singh Ujjawal Kumar (Amity School of Engineering and Technology, GGSIP University, Delhi, India) ,  Sharma Meera (Swami Shraddhanand College, University of Delhi, Delhi, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12254  ページ： 939-953  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： バグが,異なる国を横断して働くユーザの不均一グループによって報告されたので,バグ報告データにノイズと不確実性がある。Bug記述は,重症度,優先度,および時間固定のような他のバグ属性を予測するのを助ける不可欠な属性である。異なる機械学習技法の出力に影響を与えることができるので,バグレポートのテキストに存在する雑音と混乱を考慮する必要がある。Shannonエントロピーを用いて,バグに関する要約不確実性を計算した。バグは,バグがソフトウェアの機能性に及ぼす影響の型について,ブグの厳しさ属性を tす。正しいバグ重症度推定は,バグのスケジューリングと修理を可能にし,従って資源と努力利用を助ける。バグの厳しさを予測するために,分類器を訓練するソフトウェアプロジェクト履歴データを必要とする。これらの訓練データは,特に新しいソフトウェアプロジェクトのためには必ずしも利用できない。交差プロジェクト予測と呼ばれる解は,他のプロジェクトからの訓練データを用いることである。バグ優先度,要約重みおよび要約エントロピーを用いて,交差プロジェクトバグ重症度評価モデルを提案した。交差プロジェクト文脈におけるバグ重症度予測のための提案要約エントロピーベース手法の結果は,既存の研究に対するすべての機械学習技術にわたって,それぞれ70.23%と93.72%までの精度とF測度の改善された性能を示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  雑音 ,  測度 ,  学習モデル ,  スケジューリング ,  不確実性 ,  *ソフトウェア ,  *ソフトウェア障害 ,  *機械学習 ,  重症度診断 ,  優先度
準シソーラス用語： 訓練データ ,  情報エントロピー ,  *重症度 ,  ソフトウェアプロジェクト , 【Automatic Indexing@JST】

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 (4件)： 重症度評価 ,  エントロピー ,  ベース機械 ,  学習モデル