人在回路的在线即时软件缺陷预测
软件工程
2023-08-29 v1
摘要
在线即时软件缺陷预测（O-JIT-SDP）使用在线模型来预测一个新的软件变更是否会引入缺陷。然而，现有研究忽视了软件质量保证（SQA）人员与模型的交互，可能错失通过 SQA 人员反馈提升预测精度的机会。为解决该问题，我们提出人在回路（HITL）的 O-JIT-SDP，其整合 SQA 人员的反馈以增强预测过程。此外，我们引入一个性能评估框架，采用 k 折分布式自助法结合 Wilcoxon 符号秩检验。该框架利用预序评估方法，便于对备选分类算法进行透彻的成对比较。我们的方案在预序过程中实现持续的统计检验，使开发者能基于稳健统计证据做出实时决策。通过对 10 个 GitHub 项目的实验，我们证明了评估框架提升了模型评估的可信度，且 HITL 反馈的引入提高了在线 JIT-SDP 模型的预测性能。这些进展有望显著增强 O-JIT-SDP 对工业应用的价值。
引用
@article{arxiv.2308.13707,
title = {Human-in-the-loop online just-in-time software defect prediction},
author = {Xutong Liu and Yufei Zhou and Yutian Tang and Junyan Qian and Yuming Zhou},
journal= {arXiv preprint arXiv:2308.13707},
year = {2023}
}
备注
16 pages, 10 figures