文献

J-GLOBAL ID：202202257727753705   整理番号：22A0979101

Githubのためのソフトウェア欠陥データ収集フレームワーク【JST・京大機械翻訳】

Software Defect Data Collection Framework for Github

著者 (3件)： Suhag Vikas (Amity University Uttar Pradesh,ASET,CSE department,Noida,UP,India) ,  Dubey Sanjay Kumar (Amity University Uttar Pradesh,ASET,CSE department,Noida,UP,India) ,  Sharma Bhupendra Kumar (Northern India Textile Research Association,Ghaziabad,Uttar Pradesh,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： Confluence  ページ： 82-87  発行年： 2022年 
JST資料番号： W2441A  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： ソフトウェアは,生命のあらゆる球の一部になった。このソフトウェアへの依存増大は,ソフトウェア開発チームに多大な圧力を与え,ソフトウェア品質と信頼性を損なうコストでできるだけ早くソフトウェアアプリケーションを配信する。ソフトウェア品質は,限られた人的資源,時間,および予算で不可能なソフトウェアの広範囲な試験および検証を必要とし,研究者はソフトウェア品質保証の新しいパラダイム,すなわち,ソフトウェア欠陥予測(SDP)に動いている。SDPは,短いソフトウェア開発ライフサイクルを維持しながら,ソフトウェア試験の鍵となる側面を優先する開発チームを支援するための自動化マシン学習(ML)モデルを構築することを目的とする。SDPは,MLモデルを訓練し試験するために膨大な量のデータを必要とし,伝統的にPROMISEとNASA欠陥データセットは研究者によって最も顕著に使用されるが,プログラミング言語,プログラミングスタイル,およびデータセットの限られたサイズの変化は,現在のシナリオにおけるSDPに対して実行不可能であった。本論文では,GitHubからコンミットレベル欠陥データをマイニングするソフトウェア欠陥データセット収集フレームワークを開発した。データマイニングの効率,データの精度,およびデータの妥当性をSDPモデルによって検証する。結果は,提案方法が,通常のコンピュータシステムでさえ実行するために実行可能であり,効率的であることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 米国航空宇宙局 ,  自動化 ,  学習 ,  計算機システム ,  人的資源 ,  信頼性 ,  プログラミング言語 ,  ライフサイクル ,  応用プログラム ,  *ソフトウェア ,  *データ収集 ,  ソフトウェア開発 ,  データマイニング
準シソーラス用語： ソフトウェア品質 ,  欠陥予測 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ソフトウェア ,  欠陥 ,  データ収集 ,  フレームワーク