Ft-Transformer 기반의 소프트웨어 결함 예측

홈 > 연구문헌 >

한글제목(Korean Title)	Ft-Transformer 기반의 소프트웨어 결함 예측
영문제목(English Title)	Software Defect Prediction Based on Ft-Transformer
저자(Author)	김소정 주은정 최지원 류덕산 Kim Sojeong Ju Eunjung Choi Jiwon Duksan Ryu
원문수록처(Citation)	VOL 49 NO. 01 PP. 1770 ~ 1772 (2022. 06)
한글내용 (Korean Abstract)	소프트웨어 결함 예측(SDP)은 결함이 발생하기 쉬운 모듈을 식별하여 제한된 자원을 효과적으로 사용하는 데 도움을 준다. 최근 많은 연구에서 심층 학습은 성공적으로 적용되고 있으며, 최근 연구에서 딥러닝 기법을 SDP 연구에 적용되는 사례가 늘어나고 있다. 특히 정형데이터를 분석하는데 높은 성능을 보인 딥러닝 기법들이 SDP에서도 뛰어난 성능을 보이고 있다. 본 연구에서의 목표는 정형데이터를 분석하는데 뛰어난 성능을 보인 최신 딥러닝 기법인 Ft-Transformer를 활용한 SDP 모델을 제안하고 SDP에서의 성능을 확인하는 것이다. Ft-Transformer의 성능을 평가하기 위해 기존에 성능이 우수한 Xgboost와 Catboost와 비교 실험한다. 실험 결과, Ft-Transformer가 Xgboost와 Catboost 대비 PD 지표에서 좋은 성능을 보였다. 본 연구의 예측 모델을 통해 제한된 지원을 효과적으로 할당하는데 도움을 줄 것으로 기대한다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드

사이트맵