| 한글제목(Korean Title) |
자동차 소프트웨어 교차-프로젝트 결함 예측을 위한 전이 학습 모델 비교 연구 |
| 영문제목(English Title) |
Comparative Study of Transfer Learning Models for Cross-Project Automotive Software Defect Prediction |
| 저자(Author) |
Jeongwhan Choi
Duksan Ryu
Suntae Kim
최정환
류덕산
김순태
|
| 원문수록처(Citation) |
VOL 47 NO. 01 PP. 0257 ~ 0259 (2020. 07) |
한글내용
(Korean Abstract) |
대부분의 소프트웨어 결함 예측 접근법은 동일한 프로젝트의 데이터에 대해 훈련되고 적용된다. 그러나 종종 새 프로젝트에는 충분한 훈련 데이터가 없다. 이때 교차-프로젝트 결함 예측 기법을 활용할 수 있다. 이 연구에서는 자동차 소프트웨어 프로젝트 데이터를 사용하여 교차-프로젝트 결함 예측을 위한 전이학습(Transfer Learning) 기법들을 실험하여 비교한다. 기존 전이 학습 기법들인 TCA, Burak Filter, DBSCAN Filter들을 사용한다. 그리고 결함 예측 모델을 사용할 때 랜덤 선택에 비해 얼마나 코드 인스펙션 비용이 감소하는지 분석한다. 통계적 검정을 통해 DBSCAN Filter 또는 TCA 기법을 이용할 때 Burak Filter 보다 높은 예측 성능을 보이며, 더 많은 코드 인스펙션 노력을 감소할 수 있다는 것을 보인다. 이러한 연구 결과로 자동차 도메인에서, 신규 소프트웨어 프로젝트에 대한 효과적인 품질 보증 활동 수행을 지원할 것으로 기대된다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
