文献

J-GLOBAL ID：202202251998718201   整理番号：22A0576106

方法レベルにおけるバッグ予測の探索的研究【JST・京大機械翻訳】

An exploratory study of bug prediction at the method level

著者 (4件)： Mo Ran (Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning & School of Computer, Central China Normal University, China) ,  Wei Shaozhi (Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning & School of Computer, Central China Normal University, China) ,  Feng Qiong (Nanjing University of Science and Technology, China) ,  Li Zengyang (Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning & School of Computer, Central China Normal University, China)
資料名： Information and Software Technology  (Information and Software Technology)
巻： 144  ページ： Null  発行年： 2022年 
JST資料番号： B0445B  ISSN： 0950-5849  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： 過去数十年の間,研究者は,ファイルレベル,パッケージレベル,モジュールレベルなどの異なる粒度レベルでバグを予測する多数の研究を提案してきたが,この方法レベルでの予測モデルはめったに調査されていない。本論文では,方法レベルコードメトリックまたは履歴測度に基づくバグ傾向法を予測し,各メトリックの予測重要度を解析した。我々の研究を進めるために,まず,方法レベルバグ予測を行うための一連のコードメトリックと歴史測度を提案した。次に,異なるタイプの予測モデルの性能を比較した。最後に,各計量の予測力に関する解析を行い,それに基づいて,著者らは,さらに,著者らは,予測モデルを単純化できるかどうかをさらに解析した。18の大規模プロジェクトに関する評価を通して,著者らは以下を示した。(1)実施方法レベルバグ予測は,コードレビューと検査に関する多くの努力を節約できる可能性がある。(2)提案したコードメトリックまたは履歴測度を用いたモデルは,良好な予測性能を達成することができた。(3)各計量の予測重要性は,異なって分布する。(4)非常に単純化された予測モデルは,ほんの少数の重要な計量を用いて導出できた。本研究は,バグ傾向法を予測するためのモデルを系統的に構築する方法を示し,開発者が,方法レベルバグ予測モデルを構築するための基準を最良に選択するための経験的証拠を提供する。Copyright 2022 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： 測度 ,  簡素化 ,  予測 ,  モジュール ,  経験 ,  *ソフトウェア障害 ,  大規模 ,  予測モデル
準シソーラス用語： 予測性能 ,  メトリックス ,  ホップ数 ,  コードレビュー , 【Automatic Indexing@JST】

著者キーワード (3件)： 方法レベルのバグ予測 ,  コードメトリックス ,  歴史対策

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)： バッグ ,  予測 ,  探索 ,  研究