Fugu-MT 論文翻訳(概要): Object Oriented-Based Metrics to Predict Fault Proneness in Software Design

論文の概要: Object Oriented-Based Metrics to Predict Fault Proneness in Software Design

arxiv url: http://arxiv.org/abs/2504.08230v1
Date: Fri, 11 Apr 2025 03:29:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-21 21:28:58.69021
Title: Object Oriented-Based Metrics to Predict Fault Proneness in Software Design
Title（参考訳）: ソフトウェア設計における欠陥の予測のためのオブジェクト指向メトリクス
Authors: Areeb Ahmed Mir, Muhammad Raees, Afzal Ahmed,
Abstract要約: オブジェクト指向ソフトウェアメトリクスと,その欠陥発生要因との関係を考察する。調査によると、オブジェクト指向のメトリクスは、ソフトウェア欠陥の傾向の予測に確かに適している。
参考スコア（独自算出の注目度）: 1.194799054956877
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In object-oriented software design, various metrics predict software systems' fault proneness. Fault predictions can considerably improve the quality of the development process and the software product. In this paper, we look at the relationship between object-oriented software metrics and their implications on fault proneness. Such relationships can help determine metrics that help determine software faults. Studies indicate that object-oriented metrics are indeed a good predictor of software fault proneness, however, there are some differences among existing work as to which metric is most apt for predicting software faults.
Abstract（参考訳）: オブジェクト指向ソフトウェア設計では、様々なメトリクスがソフトウェアシステムの欠点を予測します。障害予測は、開発プロセスとソフトウェア製品の品質を大幅に改善します。本稿では,オブジェクト指向ソフトウェアメトリクスと障害発生要因との関係について考察する。このような関係は、ソフトウェア欠陥を決定するのに役立つメトリクスを決定するのに役立つ。研究によると、オブジェクト指向のメトリクスは、確かにソフトウェア欠陥の予測には良いものであるが、既存の作業では、どのメトリクスがソフトウェア欠陥の予測に最も適しているかという点でいくつかの違いがある。

関連論文リスト

A Purpose-oriented Study on Open-source Software Commits and Their Impacts on Software Quality [0.0]
コミットを分類し、分類を自動化するために予測モデルをトレーニングし、異なる目的のコミットによってコミット品質がどのように影響するかを調査します。これらの影響を特定することで、品質を改善するための変更をコミットするためのガイドラインを新たに確立します。
論文参考訳（メタデータ） (2025-03-04T03:14:57Z)
Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文参考訳（メタデータ） (2024-06-24T15:45:22Z)
Leveraging Large Language Models for Efficient Failure Analysis in Game Development [47.618236610219554]
本稿では,テストの失敗の原因となるコードの変更を自動的に識別する手法を提案する。このメソッドは、LLM(Large Language Models)を利用して、エラーメッセージと対応するコード変更を関連付ける。当社のアプローチは新たに作成したデータセットで71%の精度に達しています。
論文参考訳（メタデータ） (2024-06-11T09:21:50Z)
Towards Understanding the Impact of Code Modifications on Software Quality Metrics [1.2277343096128712]
本研究の目的は、コード修正がソフトウェアの品質指標に与える影響を評価し、解釈することである。基礎となる仮説は、ソフトウェア品質のメトリクスに類似した変更を誘発するコード修正は、異なるクラスタにグループ化できる、というものである。結果は、コード修正の異なるクラスタを明らかにし、それぞれに簡潔な記述が伴い、ソフトウェアの品質指標に対する全体的な影響を明らかにした。
論文参考訳（メタデータ） (2024-04-05T08:41:18Z)
Do Internal Software Metrics Have Relationship with Fault-proneness and Change-proneness? [1.9526430269580959]
私たちは、ApacheとEclipseのエコシステムにおける変更の発端と欠陥の発端の計測とともに、25の社内ソフトウェアメトリクスを特定しました。ほとんどのメトリクスは、障害発生率とほとんど、あるいは全く相関を持っていません。継承、結合、コメントに関連するメトリクスは、変更の傾向と中程度から高い相関を示した。
論文参考訳（メタデータ） (2023-09-23T07:19:41Z)
Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文参考訳（メタデータ） (2023-08-10T13:19:10Z)
Understanding the Challenges of Deploying Live-Traceability Solutions [45.235173351109374]
SAFA.aiは、ほぼリアルタイムな環境で自動トレーサビリティを提供する、プロジェクト固有モデルを微調整するスタートアップである。本稿では,ソフトウェアトレーサビリティを商業化する上での課題について述べる。
論文参考訳（メタデータ） (2023-06-19T14:34:16Z)
Applying Machine Learning Analysis for Software Quality Test [0.0]
メンテナンスのトリガーと予測されるかどうかを理解することは重要です。生成したプログラムの複雑さを評価する多くの手法は有用な予測モデルを生成する。本稿では,機械学習を利用可能なデータに適用し,累積ソフトウェア故障レベルを算出する。
論文参考訳（メタデータ） (2023-05-16T06:10:54Z)
Fault-Aware Neural Code Rankers [64.41888054066861]
サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-06-04T22:01:05Z)
Injecting Planning-Awareness into Prediction and Detection Evaluation [42.228191984697006]
私たちは一歩後退して、現在の評価指標を批判的に評価し、タスク対応メトリクスを、デプロイされるシステムのパフォーマンスのより良い測定基準として提案します。実世界の自律運転データとともに、実世界のシミュレーション実験により、提案したタスク認識メトリクスが結果非対称性を考慮でき、モデルのクローズドループ性能をよりよく推定できることを確認した。
論文参考訳（メタデータ） (2021-10-07T08:52:48Z)
Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
論文参考訳（メタデータ） (2021-09-07T21:24:36Z)
Rethinking Trajectory Forecasting Evaluation [42.228191984697006]
私たちは一歩後退して、現在の軌跡予測指標を批判的に評価します。本稿では,予測が展開されているシステムにおけるパフォーマンスの指標として,タスク対応メトリクスを提案する。
論文参考訳（メタデータ） (2021-07-21T18:20:03Z)
Machine Learning Techniques for Software Quality Assurance: A Survey [5.33024001730262]
我々は,障害予測とテストケース優先順位付けの両方における様々なアプローチについて考察する。近年,障害予測のためのディープラーニングアルゴリズムは,プログラムのセマンティクスと障害予測機能とのギャップを埋めるのに役立つ。
論文参考訳（メタデータ） (2021-04-29T00:37:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。