文献

J-GLOBAL ID：202002270283045809   整理番号：20A2463064

特徴指向欠陥予測【JST・京大機械翻訳】

Feature-oriented defect prediction

著者 (4件)： Strueder Stefan (University of Koblenz-Landau, Germany) ,  Mukelabai Mukelabai (University of Gothenburg, Sweden) ,  Strueber Daniel (Radboud University Nijmegen, Netherlands) ,  Berger Thorsten (University of Gothenburg, Sweden)
資料名： ACM Proceedings  (ACM Proceedings)
号： SPLC ’20  ページ： 1-12  発行年： 2020年 
JST資料番号： D0698C  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： ソフトウェアエラーは,ソフトウェア開発における主要な障害であり,評判被害だけでなく,企業のかなりの財政損失にも導くことができる。したがって,主に機械学習法に基づいたソフトウェア欠陥を予測するための多数の技術が,過去数十年にわたって開発されている。これらの技術は,通常,サブシステム,コンポーネント,ファイルなどの典型的なソフトウェア資産の粒度における欠陥を予測するために,コードとプロセスメトリックスに依存する。本論文では,特徴指向欠陥予測の最初の系統的研究,すなわち,特徴-領域指向エンティティの粒度における欠陥の予測(およびしばしば交差切断)典型的ソフトウェア資産を提示した。特徴指向予測は有益である。(i)特定の特徴は他者よりも誤差が容易であり,(ii)欠陥として知られる特徴の特性は他の誤り傾向特徴の予測に有用かもしれない,(iii)特徴特異的コードは特に特徴相互作用から生じる故障の傾向がある。12のソフトウェアプロジェクトから得たデータセットを提示し,特徴指向欠陥予測のために2つのメトリックセットを導入した。2つの新しいメトリックセットと文献からの既存のメトリックセットを用いて,それぞれ3つの異なる属性集合を持つ7つの機械学習分類器を評価した。より豊富な特徴情報を用いたより多様なメトリックセットを用いるとき,約85%の精度と再現値およびより良いロバスト性を観察した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *ソフトウェア ,  ソフトウェア開発 ,  ロバスト性 ,  機械学習
準シソーラス用語： サブシステム ,  メトリックス ,  ホップ数 ,  エンティティ ,  ソフトウェアプロジェクト ,  *欠陥予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分類 ,  欠陥 ,  特徴 ,  予測

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 (1件)： 欠陥予測