| 研究課題/領域番号 |
21K11840
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60050:ソフトウェア関連
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
角田 雅照 近畿大学, 情報学部, 准教授 (60457140)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 多腕バンディット問題 / 機械学習 / ソフトウェア開発プロジェクト / 性能評価 / オンライン最適化 / オンライン学習 / ソフトウェア欠陥予測 / コードクローン / レビュー / コード生成 / レピュー / オンラインラーニング / ソフトウェア品質 / ソフトウェアテスト / ソフトウェア開発効率化・安定化 / 統計数学 |
|---|
| 研究開始時の研究の概要 |
ソフトウェアの品質を効率良く高めためには，欠陥モジュール判別モデルの活用が重要となる．ただし，あるソフトウェアにおいて予測精度の高い予測方法が，他のソフトウェアでも常に精度が高くなるとは限らない．本研究では，テスト実施中に複数のモデルの精度評価と利用を並行して行い，その精度評価に基づいて最適なモデルを絞り込むというアプローチを取る．本研究は適用範囲が非常に広く，ソフトウェアテストに関連する活動全体を大きく変化させ，それに従いソフトウェアの品質を飛躍的に向上させる可能性を秘めている．さらに，本研究は欠陥モジュール判別モデルを含む機械学習モデルの適用を容易にするため，それらの利用促進も期待される．
|
| 研究成果の概要 |
ソフトウェア品質向上に向け，欠陥予測モデルのオンライン最適化を検討した．成果は3種類に分類され，具体的には(1) 欠陥予測モデルの精度向上，(2) オンライン最適化の欠陥予測以外への適用，(3) オンライン最適化自体の改善である．(1)については変数選択方法，アンサンブル学習方法などの選択に関して，オンライン最適化を行った．(2)についてはコードクローン検出，コード自動生成，ソフトウェアレビューなど対してオンライン最適化を適用した．(3)については，オンライン学習方法の問題点とその改善方法，ソフトウェアテストの再実施方法の2つを新たに提案した．これらより，ソフトウェア品質向上が期待される．
|
| 研究成果の学術的意義や社会的意義 |
ソフトウェア欠陥予測において汎用的なモデルや手法は存在しない．このため，平均的に性能の高い予測方法などを事前に評価する研究が広く行われてきた．このような従来のアプローチでは(1) 事前に様々な手法を評価する必要があり，評価のための時間とコストが掛かる，(2) 平均的に性能の高い手法が，適用対象のプロジェクトで性能が高いとは限らない，という問題点があった．本研究のオンライン最適化により(1)の事前評価が必須ではなくなり，新しい手法を積極的に利用可能とした，(2) 適用対象のプロジェクトにおいて性能が低下するリスクを避けることができ，予測方法などを実プロジェクトに積極的に導入することを可能にした．
|
