Anvaya：一种改进问题跟踪系统事件日志挖掘所得软件过程模型优良性的算法与案例研究
软件工程
2015-11-24 v1 机器学习
摘要
问题跟踪系统（ITS）如 Bugzilla 可视为过程感知信息系统（PAIS），在缺陷报告生命周期中生成事件日志。过程挖掘包括从 PAIS 生成的事件日志中挖掘以进行过程模型发现、合规性与增强。我们应用过程地图发现技术挖掘开源 Firefox 浏览器项目的 ITS 生成的事件跟踪数据，以生成和研究过程模型。缺陷生命周期具有多样性和方差。因此，从事件日志生成的过程模型呈意大利面状，具有大量边、互连和节点。此类模型复杂难以分析，且过程分析师难以理解。我们通过将事件日志拆分为同质子集（对结构相似轨迹聚类）来改进过程模型的优良性（适应度与结构复杂度）。我们改编 K-Medoid 聚类算法，使用两种不同距离度量：最长公共子序列（LCS）和动态时间规整（DTW）。我们使用复杂度和适应度度量评估从聚类生成的过程模型的优良性。我们研究所得聚类中的来回与自环、缺陷重开和瓶颈，表明聚类可实现更好的分析。我们还提出一种算法自动化聚类过程——该算法以事件日志为输入并返回最佳聚类集。
引用
@article{arxiv.1511.07023,
title = {Anvaya: An Algorithm and Case-Study on Improving the Goodness of Software Process Models generated by Mining Event-Log Data in Issue Tracking System},
author = {Prerna Juneja and Divya Kundra and Ashish Sureka},
journal= {arXiv preprint arXiv:1511.07023},
year = {2015}
}