ソフトウェアバグ予測モデル構築のためのモジュール分類と選定
盛 慎 (1151135)
近年，ソフトウェアの大規模化・短納期化が進んでおり，短期間でソフトウェアの品質を向上させることが求められている．
そのため，テスト工程を効率化すべく，Fault-prone モジュール予測の研究がこれまでにも数多くなされている．
Fault-prone モジュール予測を行う際は，過去の開発データなどを学習用データとした，予測モデルと呼ばれる数学的な確率モデルを構築する．
一般に，未知データである予測対象データと類似した性質を持つデータを用いて構築した予測モデルは，予測精度が高いとされている．
しかし，予測対象と類似したデータをどのようにして作成，または準備するかについては，従来ほとんど研究されていない．
そこで本稿では，Fault-prone モジュール予測の精度向上を目的として「分類」と「選定」という2つの手法を提案する．
評価実験を行った結果，旧バージョンから流用して使われている「流用」モジュールの欠陥を予測する際に，分類を行うことによって，AUC が最大で約 0.02 上昇した．
また選定については，最大で約 0.01 上昇した．
一方で，モジュールの少ないデータセットに対しては，分類も選定も逆効果であることが分かった．