Construction of error prone module reusing prediction model

易错模块重用预测模型的构建

• 批准号: 23500043
• 负责人: KAIJIRI Kenji
• 金额: $ 2.83万
• 依托单位: Shinshu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2013
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23500043/
• 关键词: ソフトウェア保守; メトリクス; ソフトウェア欠陥予測; データマイニング; software metrics; error prone prediction

In error prone module prediction, we construct a predictor using some prediction algorithm and some training data, then we predict the error proneness of testing data by using this predictor, so construction of adequate predictor for each testing data is an important problem. At first we tried data adjustment based on the similarity between the training data and the testing data, but we found that other project specific characteristics affect the accuracy of prediction.In the next place, we considered knowledge based predictor mining method. In this method we construct the knowledge base which consists of many project data and their prediction accuracy data using several prediction algorithms and the project specific data. We constructed test data set and by using these data set and public data set, we showed the effectiveness of this method.We showed only the possibility of this method, so further consideration and prototype prediction tool construction are needed.

在易错模块预测中，我们使用一些预测算法和一些训练数据构建一个预测器，然后使用该预测器来预测测试数据的错误倾向，因此为每个测试数据构建适当的预测器是一个重要的问题。起初我们尝试根据训练数据和测试数据之间的相似性进行数据调整，但我们发现其他项目特定特征会影响预测的准确性。接下来，我们考虑基于知识的预测器挖掘方法。在这种方法中，我们使用多种预测算法和项目特定数据构建了由许多项目数据及其预测精度数据组成的知识库。我们构建了测试数据集，并通过使用这些数据集和公共数据集，我们展示了该方法的有效性。我们仅展示了该方法的可能性，因此需要进一步考虑和原型预测工具构建。

项目成果

AjaxのためのWeb保守性メトリクスの提案

提出 Ajax 的 Web 可维护性指标

• 发表时间: 2011
• 作者: 加賀谷有紀;海谷治彦;海尻賢二
• 通讯作者: 海尻賢二

学習に基づくerrot-prone モジュール予測器選択

基于学习的易出错模块预测器选择

• 发表时间: 2014
• 作者: 嶋大輔;小形真平;海谷治彦;海尻賢二
• 通讯作者: 海尻賢二

IR based Traceability Link Recovery Method Mining

• 发表时间: 2013-10
• 作者: T. Ueda;Shinpei Ogata;H. Kaiya;K. Kaijiri

IR手法に基づくtraceability link recovery のためのmethod mining

基于IR方法的溯源链路恢复方法挖掘

• 发表时间: 2014
• 期刊: 電子情報通信学会論文誌
• 作者: 上田健之;小形真平;海谷治彦;海尻賢二
• 通讯作者: 海尻賢二

Experimental Software Engineering - 予測, traceability, データマイニング -

实验软件工程 - 预测、可追溯性、数据挖掘 -

• 作者: Norifumi Hirata;Shun Shiramatsu;Tadachika Ozono;Toramatsu Shintani;海尻賢二
• 通讯作者: 海尻賢二