(日本語) [学士論文] 共変更関係の学習に基づく変更漏れ指摘手法

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

小林研B3の山上さんが学士特別課題研究論文(旧学士論文)を提出しました.

題目:共変更関係の学習に基づく変更漏れ指摘手法
内容梗概:

ソフトウェアに対する変更の影響は他の箇所へ波及するため, 波及する箇所の把握が必要である. しかしソフトウェアの規模が大きくなる今日, ソフトウェアの依存関係の把握は困難である. この問題に対して, 改版履歴を解析し過去の同時変更の傾向を求めることで変更漏れを指摘する研究がなされてきた. 先行研究では, 相関ルールマイニングを利用して同時に変更されたという共変更関係を共変更ルールとして抽出している. しかし, この手法では推薦性能があまり良くないという課題が存在する.

本研究では, 機械学習を用いて同時に変更されたという共変更関係だけでなく, 同時に変更されていないという共変更関係も加えて学習する共変更関係の学習に基づく変更漏れ指摘手法を提案する.

提案手法の有効性を確認するために, 実在のオープンソースソフトウェアを用いて定量的に評価した. その結果, 提案手法は従来手法より推薦性能が高いことを示した.また, 提案手法の推薦性能に影響を与えるものとして欠損ファイル数とプロジェクトの特徴をあげ, それらの推薦性能に与える影響を調べた.前者は推薦したいファイルの個数の約半分の欠損ファイル数で訓練したデータを用いると推薦性能が向上することを示した. 後者はプロジェクトのファイルの種類数が少ないほど, 推薦性能が向上することを明らかにした.