文献

J-GLOBAL ID：202202286798543296   整理番号：22A0967133

ソフトウェア欠陥予測のためのKNN(近傍)アンダーサンプリングによるクラス不均衡の取り扱い【JST・京大機械翻訳】

Handling Class-Imbalance with KNN (Neighbourhood) Under-Sampling for Software Defect Prediction

著者 (1件)： Goyal Somya (Manipal University Jaipur, Jaipur, Rajasthan, India)
資料名： Artificial Intelligence Review  (Artificial Intelligence Review)
巻： 55  号： 3  ページ： 2023-2064  発行年： 2022年 
JST資料番号： E0339C  ISSN： 0269-2821  資料種別： 逐次刊行物 (A)
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： ソフトウェア欠陥予測(SDP)は,ソフトウェア開発プロセスにおいて非常に重大なタスクであり,どのモジュールが試験フェーズのインスティグの前に誤りと故障を起こしやすいかを予測する。それは,予測故障モジュールに対する試験努力の焦点を合わせることにより,ソフトウェアの開発コストを低減することを目的とする。しかし,それは良質な最終産物の時間内配送を確実にするが,データセットのクラス不均衡はSDPに対する主要な障害である。本論文では,クラス不均衡問題を取り扱うために,新しい近傍ベースサブアンプリング(N-US)アルゴリズムを提案した。本研究は,欠陥モジュールを予測しながら,高精度を達成するために,提案した近傍ベースサブアンプリング(N-US)アプローチの有効性を実証する。サンプル下のアルゴリズムN-USは,少数データポイントの可視度を最大化するためにデータセットを下回り,一方,情報損失を避けるために多数データポイントの過剰除去を制限した。N-USの適用性を評価するために,3つの標準アンダーサンプリング技術と比較した。さらに,本研究では,SDP分類器のための信頼としてN-USの性能を調査した。CM1,JM1,KC1,KC2およびPC1であるNASAリポジトリからのベンチマークデータセットを用いて広範な実験を行った。N-US技術による提案SDP分類器を,SDPに対するN-USアルゴリズムの有効性を評価するために,統計的にベースラインモデルと比較した。提案モデルは,最高のAUCスコア(=95.6%),最大精度値(=96.9%),および最上左コーナーに対する最も近いROC曲線を有する候補SDPモデルの残りを凌駕した。それは95%の信頼レベルで統計的に最良の予測力を示す。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  故障 ,  予測 ,  精度 ,  *ソフトウェア ,  問題 ,  可視度 ,  有効性 ,  ベンチマーク ,  ソフトウェアプロセス ,  リポジトリ
準シソーラス用語： ROC曲線 ,  *アンダーサンプリング ,  高品質 ,  *欠陥予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 欠陥予測 ,  クラス不均衡 ,  アンダーサンプリング ,  人工ニューラルネットワーク(ANN) ,  ROC ,  AUC

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ソフトウェア ,  欠陥予測 ,  KNN ,  近傍 ,  アンダーサンプリング ,  クラス不均衡 ,  取り扱い