跨版本关联软件度量以预测缺陷
软件工程
2017-12-29 v1 机器学习
摘要
准确的软件缺陷预测可帮助软件从业者有效且高效地将测试资源分配到易缺陷模块。过去几十年中，人们投入大量精力构建准确的缺陷预测模型，包括开发高质量的缺陷预测因子与建模技术。然而，当前广泛使用的缺陷预测因子（如代码度量和过程度量）难以很好地描述软件模块在项目演进过程中的变化，我们认为这对缺陷预测十分重要。为解决该问题，本文提出将连续软件版本中的度量历史版本序列（HVSM）用作缺陷预测因子。此外，我们利用流行的建模技术——循环神经网络（RNN）将 HVSM 作为输入来构建软件预测模型。实验结果表明，在大多数情况下，所提出的基于 HVSM 的 RNN 模型在考虑测试投入的排序有效性上显著优于常用基线模型。
引用
@article{arxiv.1712.09835,
title = {Connecting Software Metrics across Versions to Predict Defects},
author = {Yibin Liu and Yanhui Li and Jianbo Guo and Yuming Zhou and Baowen Xu},
journal= {arXiv preprint arXiv:1712.09835},
year = {2017}
}