Classificação automática da prioridade de defeitos utilizando seleção de atributos: um estudo de caso na indústria

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorWatanabe, Willian Massami-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8946276875418151-
Autor(es): dc.contributorOliveira Junior, Edson Alves De-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8717980588591239-
Autor(es): dc.contributorSilva, Marco Aurelio Graciotto-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9383290036853173-
Autor(es): dc.contributorRe, Reginaldo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5545891505433768-
Autor(es): dc.contributorWatanabe, Willian Massami-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8946276875418151-
Autor(es): dc.creatorBandeira, Andre Luis Martins-
Data de aceite: dc.date.accessioned2022-02-21T22:04:02Z-
Data de disponibilização: dc.date.available2022-02-21T22:04:02Z-
Data de envio: dc.date.issued2020-10-26-
Data de envio: dc.date.issued2020-10-26-
Data de envio: dc.date.issued2019-07-17-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/5304-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/667048-
Descrição: dc.descriptionDefects are inevitable in software projects, so adopting a policy of analyzing and managing defects during the software development cycle is vital for quality assurance. Storing defect reports is commonplace in the software development cycle, but the information contained in the reports is difficult to understand because they are usually written in natural language. In this sense, classifying defects can help streamline the defect management process. As they are written in natural language, automatic defect classification becomes difficult and may have low effectiveness, with an analyst taking an average of 6 minutes for each bug report. Some studies propose using feature selection approaches to increase the accuracy of automatic defect classification. This study presents an industry case study with automatic defect classification using feature selection approaches proposed in the literature. In addition, a change to the USES feature selection algorithm is proposed to improve its effectiveness, the new algorithm was denominated USES+. As a result, we have that the automatic feature selection approaches result in a greater effectiveness of the automatic classification of defect written in natural language. Finally, USES+ obtained a better effectiveness when compared to USES, even with significant differences. Thus, in general, automatic defect classification using feature selection approaches has shown to be promising with good effectiveness. In this way, automatic classification allows reduction of the cost of prioritization of defects, significantly improving the delivery of the essential corrections.-
Descrição: dc.descriptionDefeitos são inevitáveis em projetos de software, portanto, adotar uma política de análise e gerenciamento de defeitos durante o ciclo de desenvolvimento de software e vital para a garantia de qualidade do mesmo. O armazenamento de relatórios de defeitos é comum no ciclo de desenvolvimento de software, mas as informações contidas nos relatórios são difíceis de entender uma vez que geralmente são escritas em linguagem natural. Nesse sentido, a classificação de defeitos pode ajudar a agilizar o processo de entendimento e gerenciamento desses defeitos. Por serem escritas em linguagem natural, a classificação automática de defeitos se torna difícil e pode ter baixa efetividade, com um analista levando em media de 6 minutos para cada relatório de defeito. Devido a isso, alguns estudos propõem a utilização de abordagens de seleção de atributos para aumentar a precisão da classificação automática de defeitos. Este trabalho apresenta um estudo de caso da indústria com a classificação automática dos defeitos utilizando métodos de seleção de atributos propostos na literatura. Além disso, é proposta uma alteração ao algoritmo de seleção de características USES visando melhorar sua efetividade, o novo algoritmo foi denominado USES+. Como resultado, tem-se que as abordagens automáticas de seleção de atributos resultam em uma maior efetividade da classificação automática de defeito. Por fim, USES+ obteve uma melhor efetividade quando comparado ao USES, inclusive com diferenças significativas. Portanto, de um modo geral, a classificação automática de defeitos utilizando abordagens de seleção de atributos mostrou ser bastante promissora apresentando uma boa efetividade. Dessa forma, a classificação automática permite a redução do custo de priorização dos defeitos, melhorando significativamente o tempo para que as correções essenciais sejam executas.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCornelio Procopio-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Informática-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectSoftware - Desenvolvimento-
Palavras-chave: dc.subjectLocalização de falhas (Engenharia)-
Palavras-chave: dc.subjectProcessamento de linguagem natural (Computação)-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectComputer software - Development-
Palavras-chave: dc.subjectFault location (Engineering)-
Palavras-chave: dc.subjectNatural language processing (Computer science)-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA-
Palavras-chave: dc.subjectCiência Da Computação-
Título: dc.titleClassificação automática da prioridade de defeitos utilizando seleção de atributos: um estudo de caso na indústria-
Título: dc.titleAutomatic software defect priority classification using feature selection: a case study in industry-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.