| Item type |
Journal(1) |
| 公開日 |
2018-04-15 |
| タイトル |
|
|
タイトル |
不具合組合せ特定のための機械学習による自動分類法の提案と評価 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Machine Learning Based Classification for Faulty Interaction Localization |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[特集：ソフトウェア工学] 組合せテスト，不具合組合せ特定，機械学習，ロジスティック回帰分析 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| 著者所属 |
|
|
|
京都工芸繊維大学大学院工芸科学研究科情報工学専攻／産業技術総合研究所情報技術研究部門 |
| 著者所属 |
|
|
|
産業技術総合研究所情報技術研究部門 |
| 著者所属 |
|
|
|
京都工芸繊維大学情報工学・人間科学系 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Science and Technology, Kyoto Institute of Technology / Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Faculty of Information and Human Sciences, Kyoto Institute of Technology |
| 著者名 |
西浦, 生成
崔, 銀惠
水野, 修
|
| 著者名(英) |
Kinari, Nishiura
Eun-Hye, Choi
Osamu, Mizuno
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
不具合組合せ特定とは，組合せテストの各テストケースの実行結果の成否から，バグを含むと思われるパラメータ値の組合せを特定する問題である．本研究では，機械学習を用いて不具合組合せを自動分類するための手法を提案し，その評価を行う．提案手法では，まず，組合せテストケースに含まれるパラメータ値の組合せとテスト結果の成否を学習モデルとしたロジスティック回帰分析を行い，それによって得られる回帰係数値から，各パラメータ値の組合せが不具合組合せである疑わしさを決定する．次に，各パラメータ値の組合せの疑わしさから，その組合せが不具合組合せであるか否かを自動分類するために，閾値決定法および最大距離分割法の2つのクラスタリング手法を適用する．最後に，実際にバグを含むオープンソースプロジェクトのプログラムflex，grep，makeのテストスイートに対して提案手法を適用した比較評価実験を行うことで，提案手法の有効性を示す． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Faulty interaction localization is a problem to identify interactions of parameter values causing failures, called faulty interactions, from given the results of executing combinatorial test cases. In this paper, we propose an approach using machine learning to automatically classify each combination of parameter values in test cases into either of a faulty interaction or not. In the proposed approach, we first determine the suspiciousness of each combination of parameter values to be a faulty interaction by using a logistic regression analysis whose training dataset is obtained from whether the combination is included in a test case or not and whether the test case is failed or not. In order to classify each combination of parameter values with the obtained suspiciousness into a faulty interaction or not, we next present the two methods: (1) a determination using a boundary value, and (2) a division using the maximum distance. Finally, we show the effectiveness of the proposed approach by conducting comparative evaluation experiments that apply the proposed methods to combinatorial test suites for multiple versions of three open source projects, flex, grep, and make. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 59,
号 4,
p. 1215-1224,
発行日 2018-04-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
IPSJ-JNL5904009.pdf (623.2 kB)
