Wetenschap
Krediet:CC0 Publiek Domein
De geautomatiseerde labeling en voorspelling van de ernst van bugrapporten voor computersoftware is het doelwit van onderzoekers van The Hashemite University in Zarqa, Jordanië. Details van hun inspanningen worden in kaart gebracht in het International Journal of Computational Science and Engineering. uiteindelijk, ze ontwikkelen een intelligente classificatie die kan voorspellen of een nieuw ingediend bugrapport voldoende zorgwekkend is in het bug-trackingsysteem om dringend onderzoek en herstel te rechtvaardigen.
Om hun systeem te ontwikkelen, het team heeft twee datasets gebouwd met behulp van 350 bugrapporten van de open-sourcegemeenschap:Eclipse, Mozilla, en Gnome - gerapporteerd in de monsterlijke, bekend, en toepasselijk genaamde database, Bugzilla. De datasets met kenmerkende tekstuele kenmerken, gebaseerd op 51 belangrijke termen, het team legt uit en dus op basis van deze informatie, ze konden verschillende discriminerende modellen trainen om geautomatiseerde etikettering en voorspelling van de ernst van elk volgend ingediend bugrapport uit te voeren. Ze gebruikten een boost-algoritme om de prestaties te verbeteren.
"Voor geautomatiseerde etikettering, de nauwkeurigheid bereikt ongeveer 91% met het AdaBoost-algoritme en de kruisvalidatietest, " meldt het team. Echter, ze zagen alleen een classificatie van de ernstvoorspelling van ongeveer 67% met het AdaBoost-algoritme en de kruisvalidatietest. Hoe dan ook, het team zegt dat hun resultaten bemoedigend zijn en biedt hoop op het wegnemen van het knelpunt dat de handmatige beoordeling van bugrapporten tot nu toe gebruikt.
"De voorgestelde functiesets hebben bewezen een goede classificatieprestatie te leveren voor twee 'harde' problemen, " meldt het team. "De resultaten zijn bemoedigend en, in de toekomst, we zijn van plan om meer te werken aan het verbeteren van de component classificatie-algoritmen voor betere prestaties, ’ concluderen de onderzoekers.
Wetenschap © https://nl.scienceaq.com