Method Miningに基づくerror-proneモジュールの予測  [in Japanese] Error-prone module prediction using method mining technique  [in Japanese]

Access this Article

Search this Article

Author(s)

    • 小形 真平 OGATA Shinpei
    • 信州大学大学院総合工学系研究科 Shinshu University, Interdisciplinary Graduate School of Science & Technology
    • 海尻 賢二 KAIJIRI Kenji
    • 信州大学大学院総合工学系研究科 Shinshu University, Interdisciplinary Graduate School of Science & Technology

Abstract

医療情報システムや院内システムを含めた各種システムの開発において,システムの信頼性や性能等を予測するためには,既存データを知識ベースとして用いて予測器を作るというアプローチがしばしば採られる.しかしながらその予測器の性能は対象の特性に依存するために事前に最適な予測器を見つける事は難しい.ソフトウェアのerror-proneモジュール(errorの存在の可能性の高いファイル)の予測でも同様に種々の手法が提案されているが,一意に最適となる手法はなく,検査対象毎に最適な手法を選択する必要がある.Zhiminは予測精度を,ある閾値でTrue/Falseに分け,適切な訓練データおよびアルゴリズムを選択する手法を提案している.本論文ではZhiminが提唱した手法を応用して,より適切にマイニングを行うためにプロジェクトの特徴量を導入することを提案し,3種類の実験に基づき,その効果を実証した.本提案手法はより一般的に種々の最適予測器の識別に利用できる.

In order to predict performance or reliability of a system including a medical information system, prediction methods using a knowledge base is often used, and various methods have been proposed. However, the accuracy of prediction depends on the characteristics of a system, so finding the best predictor is difficult. In software engineering domain, for example, in error-prone module prediction, this situation is the same, so it is necessary to choose the optimal method for each target system. Zhimin has proposed a selection technique of suitable predictors. In this paper, we modified Zhimin's technique in order to perform mining more appropriately, and we proposed the usage of the features of system characteristics. We performed three experiments based on original data and PROMISE data, and showed the effectiveness our proposal. This technique can be applied to various optimal predictor selection problems.

Journal

  • Journal of Biomedical Fuzzy Systems Association

    Journal of Biomedical Fuzzy Systems Association 16(2), 45-58, 2014

    Biomedical Fuzzy Systems Association

Codes

  • NII Article ID (NAID)
    110009872267
  • NII NACSIS-CAT ID (NCID)
    AA1145146X
  • Text Lang
    JPN
  • ISSN
    1345-1537
  • NDL Article ID
    025929378
  • NDL Call No.
    Z74-B741
  • Data Source
    NDL  NII-ELS  J-STAGE 
Page Top