| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-07 13:30 CNN-BIシステムによるプログラムの不具合発見の精度向上のための研究 ○小川一彦・中谷多哉子（放送大）  KBSE2019-58 |
|
| 抄録 | （和） | ソフトウェアの品質を向上させるため，これまで多くの研究が行われてきた．その方法の一つにソースコードの不具合を推論する方法があり，推論された箇所を重点的にデバッグやレビューを行うことで品質の向上に役立てている．たとえば，メトリクスから求めた結果で不具合の推論を行う方法，ソースコードを用いて不具合の推論を行う方法などがある．最近では，統計的手法だけでなく機械学習及び深層学習などの技術も使われている．本稿では，不具合の推論を行う上で課題であった推論精度の向上を試みた．全てのプログラムを一つの学習モデルとして学習させるのではなく，プログラマの経験年数およびスキルを評価し，評価の近いプログラマでグループ化した．各グループのプログラマが作成したプログラムで学習を行い，複数の学習モデルを作成した．我々は，複数の学習モデルを用いて推論した結果を，集約して全体の推論結果とすることで，精度が向上すると考えたのである．推論の精度が向上することを確かめるため，実験を行った． |
| （英） | Many researchers have done much research to improve software quality.One way to improve the quality of a program is to infer defects in the source code. The inferred bug is used to improve the quality of debug and review.There are methods for inferring defects using the results obtained from metrics, and methods for inferring defects using source code.In addition to statistical methods, techniques such as machine learning and deep learning are used to improve program accuracy.In this paper, we tried to improve the inference accuracy, which was a problem in inferring defects.We used to learn all programs as one learning model.We learned by classifying project members with similar years of experience and skills.We thought that learning could improve accuracy by performing inference using multiple models. We conducted experiments to see if the accuracy improved. |
|
| キーワード | （和） | プログラムの不具合推論 / 畳み込みニューラルネットワーク / ソースコードの画像化 / 深層学習 / / / / |
| （英） | bug inference / convolutional nural network / image of source code / deep learning / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 467, KBSE2019-58, pp. 73-78, 2020年3月. | |
| 資料番号 | KBSE2019-58 | |
| 発行日 | 2020-02-28 (KBSE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | KBSE2019-58 |
|
| 研究会情報 | |
| 研究会 | KBSE |
| 開催期間 | 2020-03-06 - 2020-03-07 |
| 開催地（和） | てんぶす那覇 |
| 開催地（英） | Tenbusu-Naha |
| テーマ（和） | 一般，学生 |
| テーマ（英） | General, Student |
| 講演論文情報の詳細 | |
| 申込み研究会 | KBSE |
| 会議コード | 2020-03-KBSE |
| 本文の言語 | 日本語 |
| タイトル（和） | CNN-BIシステムによるプログラムの不具合発見の精度向上のための研究 |
| サブタイトル（和） | |
| タイトル（英） | Research for improving the accuracy of program fault detection by CNN-BI system |
| サブタイトル（英） | |
| キーワード(1)（和/英） | プログラムの不具合推論 / bug inference |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / convolutional nural network |
| キーワード(3)（和/英） | ソースコードの画像化 / image of source code |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小川 一彦 / Kazuhiko Ogawa / オガワ カズヒコ |
| 第1著者 所属（和/英） | 放送大学 (略称： 放送大) The Open University of Japan (略称： OUJ) |
| 第2著者 氏名（和/英/ヨミ） | 中谷 多哉子 / Takako Nakatani / ナカタニ タカコ |
| 第2著者 所属（和/英） | 放送大学 (略称： 放送大) The Open University of Japan (略称： OUJ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-07 13:30:00 |
| 発表時間 | 45分 |
| 申込先研究会 | KBSE |
| 資料番号 | KBSE2019-58 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.467 |
| ページ範囲 | pp.73-78 |
| ページ数 | 6 |
| 発行日 | 2020-02-28 (KBSE) |
[研究会発表申込システムのトップページに戻る]