| Project/Area Number |
19J23477
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 60050:Software-related
|
|---|
| Research Institution | Kyoto Institute of Technology |
|---|
Principal Investigator |
近藤 将成 京都工芸繊維大学, 工芸科学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2019-04-25 – 2022-03-31
|
| Project Status |
Declined (Fiscal Year 2021)
|
| Budget Amount *help |
¥2,800,000 (Direct Cost: ¥2,800,000)
Fiscal Year 2021: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2020: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2019: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
|---|
| Keywords | ソフトウェア工学 / 不具合予測 / ソフトウェア開発者 / SZZアルゴリズム / データセットの質 / 予測モデル / クラスタリング |
|---|
| Outline of Research at the Start |
ソフトウェアは今日の我々の生活を支える基盤の1つであり，無くてはならないものとなっている．そのため，ソフトウェアの不具合（バグ）は破局的な事故を引き起こす可能性があり，ソフトウェアのバグの発見と修正は重要である．一方で，ソフトウェア全体に対して品質保証を行うことは難しく，バグの混入は避けがたい．そこで，不具合予測手法により，バグが存在しそうな箇所を重点的にチェックすることが研究として行われている．本研究では，開発者個人の特徴に着目しつつ，近年注目を浴びている深層学習を適用した不具合予測手法について研究をしていく．
|
| Outline of Annual Research Achievements |
今年度，開発者個人の活動を考慮した深層学習による不具合予測に関する研究の中で，昨年度に詳しく判明した，開発者個人ごとにモデルを作成する際のデータ不足の問題を解決するための調査に従事した．具体的には（1）データセットの質的向上，及び，（2）深層学習モデルに精度的に匹敵する予測モデルの構築を行った．（1）では，不具合予測において，予測対象のソフトウェア構成要素の不具合の有無を同定する手法の改善案について，既存研究に対する網羅的な調査を行い，それらの手法の実装，及び，評価を行った．つまり，予測モデルを学習する際に利用する正解データセットの質を向上させる手法の網羅的な調査である．結果，不具合を含むソフトウェア構成要素を正確に同定すること，及び，漏れなく同定するために必要な特徴についての知見を得た．結果を論文としてまとめて現在投稿している．本成果は，不具合を含むとされるソフトウェア構成要素を正しく同定することに寄与でき，少ないデータながらも不具合を含むソフトウェア構成要素の特徴を正確に捉える上で重要である．（2）に関しても，同じく少ないデータにおいて正確な不具合予測を行うための研究である．昨年度の結果から，深層学習モデルを構築することが不可能なほどデータ数が少ない開発者に対しては，深層学習以外のモデルを用いることを検討しており，そのための網羅的な予測モデルの評価実験を行っていた．その結果をまとめ現在論文として投稿している．本成果は，実際の開発現場では，データ数の問題で深層学習モデルの適用が不可能な場合があるという現実の開発の問題を解決する上で重要な貢献を行うものである．
|
| Research Progress Status |
翌年度、交付申請を辞退するため、記入しない。
|
| Strategy for Future Research Activity |
翌年度、交付申請を辞退するため、記入しない。
|
