論文の概要: When Bugs Linger: A Study of Anomalous Resolution Time Outliers and Their Themes

• arxiv url: http://arxiv.org/abs/2509.16140v1
• Date: Fri, 19 Sep 2025 16:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.247122
• Title: When Bugs Linger: A Study of Anomalous Resolution Time Outliers and Their Themes
• Title（参考訳）: バングリンガーの異常解像時間外乱とそのテーマに関する研究
• Authors: Avinash Patil,
• Abstract要約: 本研究では,7つの有名なオープンソースリポジトリを対象とした,バグ解決異常の包括的解析を行った。 私たちの調査では、テストの失敗や要求の強化、ユーザインターフェースの問題など、プロジェクト間で一貫したパターンが明確になりました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient bug resolution is critical for maintaining software quality and user satisfaction. However, specific bug reports experience unusually long resolution times, which may indicate underlying process inefficiencies or complex issues. This study presents a comprehensive analysis of bug resolution anomalies across seven prominent open-source repositories: Cassandra, Firefox, Hadoop, HBase, SeaMonkey, Spark, and Thunderbird. Utilizing statistical methods such as Z-score and Interquartile Range (IQR), we identify anomalies in bug resolution durations. To understand the thematic nature of these anomalies, we apply Term Frequency-Inverse Document Frequency (TF-IDF) for textual feature extraction and KMeans clustering to group similar bug summaries. Our findings reveal consistent patterns across projects, with anomalies often clustering around test failures, enhancement requests, and user interface issues. This approach provides actionable insights for project maintainers to prioritize and effectively address long-standing bugs.
• Abstract（参考訳）: ソフトウェアの品質とユーザの満足度を維持するためには、効率的なバグ解決が不可欠です。 しかし、特定のバグレポートは、プロセスの非効率性や複雑な問題を示す、異常に長い解像度タイムを経験する。 本研究では,Cassandra,Firefox,Hadoop,HBase,SeaMonkey,Spark,Thunderbirdという,7つの有名なオープンソースリポジトリを対象とした,バグ解決異常の包括的な解析を行う。 Z-score や Interquartile Range (IQR) などの統計手法を用いて,バグ解決期間の異常を同定する。 これらの異常の数学的性質を理解するために、テキストの特徴抽出にTF-IDF(Term Frequency-Inverse Document Frequency)を適用し、類似のバグ要約をグループ化するためにKMeansクラスタリングを行う。 私たちの調査では、テストの失敗や要求の強化、ユーザインターフェースの問題など、プロジェクト間で一貫したパターンが明確になりました。 このアプローチは、プロジェクトメンテナが長年のバグを優先順位付けし、効果的に対処するための実用的な洞察を提供する。

関連論文リスト

• Time-RA: Towards Time Series Reasoning for Anomaly with LLM Feedback [55.284574165467525]
  Time-RA(Time-Series Reasoning for Anomaly)は、時系列異常検出を生成的、推論集約的なタスクに変換する。 また,実世界のマルチモーダルベンチマークデータセットであるRATs40Kを導入する。
  論文  参考訳（メタデータ） (2025-07-20T18:02:50Z)
• IssueCourier: Multi-Relational Heterogeneous Temporal Graph Neural Network for Open-Source Issue Assignment [5.1987901165589]
  課題割り当ては、オープンソースソフトウェア(OSS)のメンテナンスにおいて重要な役割を果たす。 本稿では,課題割当てのための新しいマルチリレーショナル不均一な時間グラフニューラルネットワークである IssueCourier を提案する。 IssueCourierはトップ-1で45.49%、MRRで31.97%まで改善可能である。
  論文  参考訳（メタデータ） (2025-05-16T13:03:26Z)
• Bug Destiny Prediction in Large Open-Source Software Repositories through Sentiment Analysis and BERT Topic Modeling [3.481985817302898]
  バグが解決する前に利用可能な機能を活用して、予測精度を高めます。 本手法は感情分析を取り入れ,感情性スコアと感情分類の両方を導出する。 結果は、感情分析がバグの最終的な結果の貴重な予測要因であることを示している。
  論文  参考訳（メタデータ） (2025-04-22T15:18:14Z)
• Unraveling the "Anomaly" in Time Series Anomaly Detection: A Self-supervised Tri-domain Solution [89.16750999704969]
  異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。 自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。 自己教師型3領域異常検出器(TriAD)を提案する。
  論文  参考訳（メタデータ） (2023-11-19T05:37:18Z)
• ADPTriage: Approximate Dynamic Programming for Bug Triage [0.0]
  オンラインバグトリアージタスクのためのマルコフ決定プロセス(MDP)モデルを開発した。 私たちはADPTriageと呼ばれるADPベースのバグトリアージソリューションを提供しています。 以上の結果から, 代入精度と固定時間の観点から, ミオピックアプローチよりも有意な改善が見られた。
  論文  参考訳（メタデータ） (2022-11-02T04:42:21Z)
• Shortcomings of Question Answering Based Factuality Frameworks for Error Localization [51.01957350348377]
  質問応答(QA)に基づく事実性指標は、生成した要約の誤り範囲を正しく識別できないことを示す。 このようなローカライゼーションが不十分な理由として,QGモジュールが生成した質問は,非実数的な要約から誤りを継承することが多く,さらに下流モジュールに伝播する。 本実験は,より強力なQAモデルとQGモデルでのみ修正できないQAフレームワークを用いた局所化に関する根本的な問題が存在することを確定的に示す。
  論文  参考訳（メタデータ） (2022-10-13T05:23:38Z)
• Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
  複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。 人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
  論文  参考訳（メタデータ） (2021-04-17T21:34:10Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。