Current Result Document :
| 한글제목(Korean Title) |
TabNet 기반의 소프트웨어 결함 예측 |
| 영문제목(English Title) |
TabNet based Software Defect Prediction |
| 저자(Author) |
이재욱
최지원
류덕산
김순태
Jaewook Lee
Jiwon Choi
Duksan Ryu
Suntae Kim
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 1255 ~ 1257 (2021. 12) |
한글내용
(Korean Abstract) |
소프트웨어 결함 예측(SDP)은 결함이 발생하기 쉬운 모듈을 식별해 제한된 테스팅 자원을
효과적으로 할당하는데 도움을 준다. 최근 많은 연구에서 심층 학습은 성공적으로 적용되고
있지만 SDP에서는 데이터 전처리 등 제한적인 부분에서만 활용되고 있다. 본 연구에서는 정형 데이터를 위한 심층 학습이 SDP에서 기존의 기계 학습 기법 대비 높은 예측 성능을 보이는지 확인하고자 한다. 본 논문에서는 정형 데이터에서 뛰어난 성능을 보이는 TabNet을 사용한다. TabNet의 성능을 평가하기 위해 기존에 성능이 우수한 XGBoost(XGB)와 RandomForest(RF), 합성곱 신경망(CNN)과 비교 실험한다. 또한 소프트웨어 결함 예측 데이터에서 TabNet의 성공적인 적용을 위한 하이퍼파라미터를 탐색 및 분석한다. 실험 결과, TabNet이 XGB, RF, CNN 대비 결함 발견율(PD)과 Balance 성능 지표에서 우수한 성능을 보였으며, 다른 모델들과 TabNet 모델의 성능 차이는 통계적으로 유의미함을 보였다. 또한, TabNet의 하이퍼파라미터가 SDP 성능에 영향을 줌을 보였다. 본 연구의 예측 모델을 통해 제한된 자원을 효과적으로 할당하는데 도움을 줄 것으로 기대한다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
