WEKO3
アイテム
欠損率の高いプロジェクトデータを利用したプロジェクトの成否予測
https://ipsj.ixsq.nii.ac.jp/records/80677
https://ipsj.ixsq.nii.ac.jp/records/806773816bfa8-94e4-441e-ad41-af36f3dce19e
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2012 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | Journal(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2012-02-15 | |||||||
タイトル | ||||||||
タイトル | 欠損率の高いプロジェクトデータを利用したプロジェクトの成否予測 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | On Prediction of Project Success Using Incomplete Project Data | |||||||
言語 | ||||||||
言語 | jpn | |||||||
キーワード | ||||||||
主題Scheme | Other | |||||||
主題 | 特集:ソフトウェア工学 | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||
資源タイプ | journal article | |||||||
著者所属 | ||||||||
大阪大学大学院情報科学研究科 | ||||||||
著者所属 | ||||||||
大阪大学大学院情報科学研究科 | ||||||||
著者所属 | ||||||||
沖電気工業株式会社 | ||||||||
著者所属 | ||||||||
日本大学大学院理工学研究科 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Graduate School of Information Science and Technology, Osaka University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Graduate School of Information Science and Technology, Osaka University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Oki Electric Industry Co., Ltd | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Graduate School of Science and Technology, Nihon University | ||||||||
著者名 |
出張純也
× 出張純也
|
|||||||
著者名(英) |
Junya, Debari
× Junya, Debari
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | ソフトウェア開発プロジェクトから収集したデータを利用して,品質やコストなどを予測する研究が多く行われている.本研究では,通常のプロジェクトから収集される欠損の多いデータを利用して,プロジェクトの成否の予測を試みる.欠損率が高いので,2段階の方法を提案する.最初に,未記入項目の多いメトリクスを削除し,次に予測に影響を与えると考えられるメトリクスだけに絞り込む.メトリクスの絞り込みには相関ルールマイニングを適用する.適用実験として,IPA/SECのデータ白書として公開されているプロジェクトデータを利用して,プロジェクトの成否を設計工程の終了時に予測した.まず,設計工程終了時点ではまだ値が定まらないメトリクスを削除した.その時点でのデータの欠損率は43.8%になった.提案法を適用した結果,メトリクスを7個にまで絞り込み,予測精度82.8%が達成できた. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | Many researches tried to predict quality and cost using project data set. Note that project data set is usually assured to be complete in the sense that all metrics data is filled out. But actually we are facing with public project data set which contain many incomplete data. In this paper we try to predict, after design phase, if a project will finish successfully or not based on such a public project data set. We propose two phases of refinements upon data set: (1) reduction of incomplete data and (2) extraction of meaningful metrics. The first reduction is just deletion of such metrics that contain many missing data. We then apply association rule mining for metrics extraction. For prediction of a project,we employ Bayesian Classifier as usual. We conducted an experimental evaluation on IPA/SEC data set which is collected from Japanese companies. The IPA/SEC data set consists of 237 projects and 69 metrics,and contains 43.8% of missing data. By applying the proposed method, 82.8% of accuracy was finally realized with only 7 metrics. | |||||||
書誌レコードID | ||||||||
収録物識別子タイプ | NCID | |||||||
収録物識別子 | AN00116647 | |||||||
書誌情報 |
情報処理学会論文誌 巻 53, 号 2, p. 662-671, 発行日 2012-02-15 |
|||||||
ISSN | ||||||||
収録物識別子タイプ | ISSN | |||||||
収録物識別子 | 1882-7764 |