ソースコード片を用いた深層学習による業務ソフトウェアの不具合予測

• Item type: SIG Technical Reports(1)
• 公開日: 2020-02-24
• タイトル: ソースコード片を用いた深層学習による業務ソフトウェアの不具合予測
• タイトル / 言語: en
• タイトル: Defect Prediction of Business Software by Deep Learning Using Source Code Fragments
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: バグの修正と予測
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 茨城大学
• 著者所属: 茨城大学
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者名: 中庭, 貴洋; 上田, 賀一
• 著者名(英): Takahiro, Nakaniwa; Yoshikazu, Ueda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ソフトウェアの品質保証活動の効率化を支援する手法として深層学習を用いたソフトウェア不具合予測がある．本研究では医療カルテシステムを対象として学習モデルを構築，不具合予測を行いその精度を評価した．バグ修正及び仕様変更されたソースコード片の 2 分類，変更履歴が存在しないソースコード片を加えた 3 分類でモデルを構築し予測した．CNN が分類した判断根拠を可視化する Grad-CAM 法を用いて，判断根拠となるトークンを抽出した．両モデルにおいて一定の精度で不具合予測が可能であることが示された．また，Grad-CAM 法により判断基準となった単語を抽出し，分類ごとの傾向を調査した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: There is software defect prediction method using machine learning to support the efficiency of software quality assurance activities. In this study, we constructed a learning model for a medical chart system, predicted defects and evaluated the accuracy. We constructed two learning models based on two classifications of source code fragments with bug fixes and specification changes, and three classifications with source code fragments without change logs. And, we predicted the defects using those models. It was shown that both models can predict defects with a certain degree of accuracy. In addition, we extracted words as basis for the decision using the Grad-CAM method, and investigated the tendency of each classification.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10112981
• 書誌情報: 研究報告ソフトウェア工学（SE）; 巻 2020-SE-204, 号 3, p. 1-8, 発行日 2020-02-24
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8825
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会