Schweregradbewertung eines gemeldeten Fehlers unter Berücksichtigung seiner Unsicherheit und unregelmäßigen Zustände

Eine genaue Bewertung des Schweregrads von Fehlern ist ein wichtiger Faktor bei der Behebung von Fehlern. Fehler werden von verschiedenen Benutzern mit hoher Geschwindigkeit im Fehlerverfolgungssystem gemeldet. Die Größe der Software-Repositories wächst ebenfalls in einem enormen Tempo. Diese erhöhte Größe hat oft viel Unsicherheit und Unregelmäßigkeiten. Zu den Faktoren, die Unsicherheit verursachen, gehören Verzerrungen, Rauschen und Anomalien in den Daten. Die Autoren betrachten, dass die Phänomene von Softwarefehlerberichten im Fehlerverfolgungssystem einen unregelmäßigen Zustand aufrechterhalten. Ohne angemessene Behandlung dieser Unsicherheiten und Unregelmäßigkeiten kann die Leistung von Lernstrategien erheblich reduziert werden. Um diese beiden Phänomene zu berücksichtigen, haben sie Entropie als Attribut verwendet, um den Schweregrad von Fehlern zu bewerten. Die Autoren haben den Schweregrad von Fehlern mithilfe von Techniken des maschinellen Lernens vorhergesagt, nämlich KNN, J48, RF, RNG, NB, CNN und MLR. Sie haben die Klassifizierer anhand der PITS-, Eclipse- und Mozilla-Projekte validiert. Die Ergebnisse zeigen, dass die vorgeschlagenen entropiebasierten Ansätze die Leistung im Vergleich zum Stand der Technik, der in diesem Artikel berücksichtigt wird, verbessern.