KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
이종 결함 예측을 위한 상관관계 기반 학습 프로젝트 선택 기법 |
| 영문제목(English Title) |
A Selection Technique of Training Project Based on Correlation Analysis for Heterogeneous Defect Prediction |
| 저자(Author) |
김은섭
백종문
류덕산
Eunseob Kim
Jongmoon Baik
Duksan Ryu
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0159 ~ 0161 (2020. 12) |
한글내용
(Korean Abstract) |
소프트웨어 결함 예측은 과거의 결함정보를 바탕으로 개발 중인 소프트웨어의 결함여부를 예측하는 기술로, 품질 보증과 향상을 위해 많은 연구가 진행되었다. 그리고 서로 다른 메트릭 정보를 가진 프로젝트 사이에서도 기술을 적용하기 위한 기법으로, 이종 결함 예측(Heterogeneous Defect Prediction, HDP) 방법이 떠오르고 있다. 지금까지, HDP 기술의 평가 척도 중 하나로 곡선 아래 면적(Area Under the Curve, AUC)의 기댓값이 많이 사용되어왔다. 다시 말해, 타겟 프로젝트가 주어졌을 때 학습 가능한 모든 프로젝트로 AUC 값을 구한 뒤 그 평균이 기대 예측 성능이 된다. 그러나 실제 개발에서는, 결함정보가 없는 새로운 프로젝트를 대상으로 기술을 적용해야 하므로, AUC 값을 계산 할 수 없고 어떤 프로젝트를 선택해 학습해야 할지도 알 수가 없다. 본 연구에서는 이러한 문제점을 해결하기 위해 최초로 상관관계 기반 학습 프로젝트 선택 기법을 제안한다. 메트릭 변환 후 대응하는 각 데이터 간의 피어슨 상관계수를 계산하여 그 평균을 구한 뒤, 가장 높은 값을 갖는 프로젝트를 학습 프로젝트로 선택한다. 실험 결과, AUC의 평균값보다 선택된 프로젝트의 AUC가 전반적으로 더 높으며, 그 효과 크기 Cohen’s d 값은 0.147이다. 또한, 모든 학습 후보 프로젝트의 AUC들 중 선택된 프로젝트의 AUC 값이 상위 5등 이내인 것은 28번의 실험 중 18번이다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
