X-MOCNN : 일관성 높은 소프트웨어 결함 분석을 위한 다중 출력 합성곱 신경망 (X-MOCNN : A Multi-Output Convolutional Neural Network for Consistent Software Defect Analysis)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 28권 / 2호 / 96 ~ 102페이지
· 저자명 : 이재욱, 최지원, 류덕산, 김순태

초록

소프트웨어 결함 분석은 소프트웨어의 품질을 보증하는 데에 중요한 연구 분야 중 하나이다.
결함 분석은 예측하고자 하는 출력에 따라 결함 예측, 결함 회귀, 결함 심각도 예측 등으로 분류된다. 각출력에서 뛰어난 예측성능을 보이기 위해 많은 연구가 제안되었다. 하지만, 실제 사용자가 여러 모델로 여러 출력 정보를 얻고자 하는 경우, 모델들의 출력 간 일관성이 낮은 문제가 존재한다. 본 논문에서는 결함･비결함, 버그의 수, 버그의 심각도 3가지 출력을 동시에 하나의 모델로 예측해 출력 간 일관성을 높이고자 한다. 이를 위해 XGBoost와 다중 출력 1차원 합성곱 신경망을 결합한 모델인 X-MOCNN(XGBoost with Multi-Output 1-d Convolutional Neural Network)을 제안한다. 이 모델의 효용성을 검증하기 위해단일 출력 신경망 모델, 머신 러닝 모델과 성능을 비교하였다. 그 결과 X-MOCNN은 기존의 단일 출력신경망 모델 대비 높은 성능을 보였으며 각 예측 결과 간 일관성 정도도 뛰어났다. 이를 통해 소프트웨어프로젝트에서 하나의 모델로 여러 출력을 예측해 품질보증 자원을 효과적으로 할당할 수 있다.

영어초록

Software defect analysis is one of the most important research fields in software engineering to ensure software quality. According to the predicted output, defect analysis is classified into defect prediction, defect regression, and defect-severity prediction. Many studies have been proposed to outperform at each output. However, when an actual user wants to obtain multiple output information with multiple models, there is a problem of low consistency between the outputs of the models. In this work, we simultaneously predict the following three outputs with one model: bug identification, the number of bugs, and the severity of bugs to increase consistency between outputs.
To this end, we propose an X-MOCNN, which combines XGBoost and a Multi-Output 1-d Convolutional Neural Network. We compare the performance of a single-output neural network model and a machine learning model to verify the effectiveness of our proposed model. As a result of the experiment, X-MOCNN shows higher performance and consistency between outputs than the other models. Therefore, it is expected that the method presented by us can effectively allocate quality assurance resources by predicting multiple outputs with one model in a software project.

참고자료

· 없음