Key points are not available for this paper at this time.
يعد تحديد الأخطاء خطوة لا مفر منها في تصحيح البرمجيات. يتكون تحديد الأخطاء المستند إلى الطيف من حساب مقياس تصنيف على آثار التنفيذ لتحديد شفرة المصدر المعيبة. تظهر الدراسات التجريبية الحالية حول تحديد الأخطاء أنه لا يوجد مقياس تصنيف أمثل لجميع الأخطاء في الممارسة العملية. في هذه الورقة، نقترح Multric، وهي نهج قائم على التعلم لدمج عدة مقاييس تصنيف لتحديد الأخطاء بشكل فعال. في Multric، تكون درجة الشك لعنصر البرنامج هي مزيج من مقاييس التصنيف الموجودة. يتكون Multric من مرحلتين رئيسيتين: التعلم والتصنيف. استنادًا إلى الأخطاء التي تم تدريبها، يقوم Multric ببناء نموذج تصنيف من خلال التعلم من أزواج من عناصر شفرة المصدر المعيبة وغير المعيبة. عندما تظهر خطأ جديد، يقوم Multric بحساب التصنيف النهائي باستخدام النموذج المتعلم. تم إجراء تجارب على 5386 خطأ مزروع في عشرة برامج جافا مفتوحة المصدر. نقوم بمقارنة تجريبية لـ Multric ضد أربعة مقاييس تم دراستها على نطاق واسع وثلاثة مقاييس اقترحت مؤخرًا. تظهر نتائجنا التجريبية أن Multric يحدد الأخطاء بشكل أكثر فعالية من مقاييس الطراز المتقدم، مثل Tarantula وOchiai وAmple.
درس شوان وآخرون (Mon ،) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: