Towards Efficient Ensemble Method for Bug Triaging
| المؤلف الرئيسي: | Al Sbaih, Ayat (Author) |
|---|---|
| مؤلفين آخرين: | Akour, Mohammed Abd Alrahim (Advisor) |
| التاريخ الميلادي: |
2017
|
| موقع: | إربد |
| الصفحات: | 1 - 80 |
| رقم MD: | 871108 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
16
| المستخلص: |
مشاريع البرمجيات المفتوحة مثل موزيلا فيرفوكس لديها عدد كبير من تقارير الأخطاء المقدمة من مستخدميها المتواجدين في جميع أنحاء العالم. التعامل مع هذه التقارير وتعيين المطور ذو الصلة لإصلاحها يتم تنفيذه يدويا، وهذه العملية مكلفة من حيث الوقت والجهد وسرعة الإنجاز. في هذه الأطروحة، يتم فحص نظام تتبع الخطأ الآلي باستخدام تقنية التعلم الآلي الهجينة وطريقة اختيار ميزة الخاصية. تم تقييم هذا النموذج باستخدام مشاريع موزيلا فايرفوكس بالاعتماد على الكفاءة ومعايير أخرى. تتكون مجموعة البيانات التي تم جمعها من 65 مشروع في الفترة الممتدة من 1991 إلى 2016، وتتضمن هذه المشاريع 542 وحدة، و135490 من تقارير الأخطاء و807 من المطورين، وقد تم توزيع هذه التقارير على أكثر من 10 مجموعات. تم فحص النموذج باستخدام مجموعة من طرق التصنيف مثل (Bagging، Boosting وDecorate) جنبا إلى جنب مع (Naïve Bayes، Bayes Net,، Decision table، Random Tree و48) من خلال النتائج يتضح أن (Decorate) و(Bagging) لديها القدرة على تحسين مستوى دقة التصنيف، والتي تؤدي في نهاية المطاف إلى تحسين عملية الصيانة. حققت نتائج التجارب مستوى دقة يصل إلى 96%، ويعتبر مستوى الدقة هذا ممتازا بالمقارنة مع العديد من البحوث. |
|---|
عناصر مشابهة
-
Visualizing Software Bug Reports
بواسطة: السفرية، صباح سمير أحمد منشور: (2020) -
Severity Prediction of Software Bug Reports
بواسطة: Al Shdaifat, Dua`a Ahmad Helael منشور: (2016) -
Deep Learning Approach for Predicting the Severity Level of Bug Reports
بواسطة: الزيود، هالة محمد مسلم منشور: (2021) -
Clustering Bug Reports to Support Software Corrective Maintenance
بواسطة: الزيودي، ربا خليل محمد منشور: (2018) -
A Software Feature-Based Reverse Engineering Methodology
بواسطة: الحموية، أنس عدنان منشور: (2017)
