소프트웨어 결함 분석은 소프트웨어의 품질을 보증하는 데에 중요한 연구 분야 중 하나이다. 결함 분석은 예측하고자 하는 출력에 따라 결함 예측, 결함 회귀, 결함 심각도 예측 등으로 분류된다. 각 출력에서 뛰어난 예측성능을 보이기 위해 많은 연구가 제안되었다. 하지만, 실제 사용자가 여러 모델로 여러 출력 정보를 얻고자 하는 경우, 모델들의 출력 간 일관성이 낮은 문제가 존재한다. 본 논문에서는 결함 · 비결함, 버그의 수, 버그의 심각도 3가지 출력을 동시에 하나의 모델로 예측해 출력 간 일관성을 높이고자 한다. 이를 위해 XGBoost와 다중 출력 1차원 합성곱 신경망을 결합한 모델인 X-MOCNN(XGBoost with Multi-Output 1-d Convolutional Neural Network)을 제안한다. 이 모델의 효용성을 검증하기 위해 단일 출력 신경망 모델, 머신 러닝 모델과 성능을 비교하였다. 그 결과 X-MOCNN은 기존의 단일 출력신경망 모델 대비 높은 성능을 보였으며 각 예측 결과 간 일관성 정도도 뛰어났다. 이를 통해 소프트웨어 프로젝트에서 하나의 모델로 여러 출력을 예측해 품질보증 자원을 효과적으로 할당할 수 있다.
原文链接
分享
引用
