:: The Journal of the Institute of Internet, Broadcasting and Communication ::, Vol.24 No.5 | (2024) pp.117~122
전이학습 기법들을 이용한 교차 프로젝트 결함 예측
Abstract
매우 많은 소프트웨어 결함 예측에 관한 연구들이 수행되었으나, 학습 데이터의 부족으로 이들을 사용하기에 어려움이 있었다. 교차 프로젝트 결함 예측은 이를 해결하기 위한 기법으로 학습 데이터가 충분한 소스 프로젝트의 데이 터로 학습한 모델을 타겟 프로젝트의 결함 예측에 사용하는 것이다. 학습을 하기 전에 두 프로젝트간의 데이터 분포 차이를 최소화하기 위해 전이학습의 일종인 도메인 적응 기법들을 사용한다. 본 논문은 W-BDA, MEDA를 사용한 새로 운 모델들을 제작하여 TCA, BDA를 사용한 기존 모델들과 성능을 비교하였다. 평가 실험 결과 MEDA는 타 모델들에 비해 불규칙적이고 나쁜 성능을 보였지만 BDA는 TCA보다 더 나은 성능을 보였고, W-BDA는 BDA보다 약간 더 좋은 성능을 보였다.
Many studies on software defect prediction have been conducted, but it has been difficult to use them due to a lack of training data. Cross-project defect prediction is a technique to solve this problem, where a prediction model learned with sufficient training data from existing source project is used to predict defects in the target project. Before learning, domain adaptation techniques, a type of transfer learning, are used to minimize the difference in data distribution between the two projects. In this paper, we produced new prediction models using W-BDA and MEDA and compared their performance with existing models using TCA and BDA. As a result of the evaluation experiment, MEDA showed irregular and poor performance compared to other models, but BDA showed better performance than TCA, and W-BDA showed slightly better performance than BDA.
Cross-project defect prediction,Transfer learning,Domain adaptation
