مروری بر کاربرد یادگیری ماشین در پیشبینی نقص نرم افزار

چکیده مقاله

با توسعه فناوریهای کامپیوتری، پیچیدگی سیستمهای نرم افزاری افزایش یافته و در نتیجه تعداد نقصهای موجود در چرخه حیات توسعه نرم افزار نیز افزایش می یابد این نقصها کیفیت نرمافزار را کاهش داده و عامل اصلی شکست نرمافزار محسوب میشوند به همین جهت، همواره پیشبینی نقص های موجود در محصولات نرمافزاری یکی از مسائل قابل توجه در زمینه مهندسی نرم افزار بوده و میتواند تاثیر مهمی در کاهش هزینه ها و بهبود کیفیت نرم افزار داشته باشد تاکنون روشهای مختلفی روی مجموعه داده های مختلف و با معیارهای ارزیابی مختلف ارائه شده است که هر یک از این روشها به نوبه خود توانستهاند با پیش بینی ماژولهای مستعد خطا، گامی موثر در بهبود کیفیت و کارایی محصولات نرم افزاری بردارند در این مقاله، به بررسی و مرور مدلهای مختلف ارائه شده جهت پیشبینی نقص نرم افزار که مبتنی بر الگوریتم های یادگیری ماشین هستند، پرداخته ایم و این روشها را بر اساس روش یادگیری ماشین مورد استفاده، معیار ارزیابی و مجموعه داده مورد استفاده، مقایسه کرده ایم

کلیدواژه‌ها

نویسندگان

بتول لکزائی

کارشناس ارشد مهندسی نرم افزار، فارغ التحصیل دانشگاه شهید بهشتی تهران

لکزائی، بتول،1398،مروری بر کاربرد یادگیری ماشین در پیشبینی نقص نرم افزار،پنجمین همایش بین المللی علوم و تکنولوژی با رویکرد توسعه پایدار،شیراز

ارائه‌شده در

مجموعه مقالات پنجمین همایش بین المللی علوم و تکنولوژی با رویکرد توسعه پایدار1 شهریور 1398 · شیراز