• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Symposium on Software Reliability Engineering Workshops >Analysis on Causal-Effect Relationship in Effort Metrics Using Bayesian LiNGAM
【24h】

Analysis on Causal-Effect Relationship in Effort Metrics Using Bayesian LiNGAM

机译：用贝叶斯LiNGAM分析努力指标中的因果关系

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the effort estimation studies, we can obtain open datasets from the past research. Those datasets are either within-company or cross-company dataset. On effort estimation, it was long discussed which dataset is appropriate for building accurate model. To find a new viewpoint in this discussion, we introduce the causal-effect relationship estimation technique. We use a simple Bayesian approach that is defined by the data generation model in a Linear Non-Gaussian Acyclic Model (LiNGAM). This model is applied to the function point and effort metrics in both within-company and cross-company datasets. We assume that if a dataset is appropriate for effort estimation, causal-effect relationships between metrics and effort will be extracted more. The result of case study shows that we can extract more causal-effect relationships from the cross-company dataset than that of from the within-company dataset.
机译：在工作量估算研究中，我们可以从过去的研究中获得开放数据集。这些数据集是公司内部数据集或跨公司数据集。关于工作量估算，长期以来讨论了哪个数据集适合于建立准确的模型。为了在讨论中找到新的观点，我们介绍了因果关系估计技术。我们使用简单的贝叶斯方法，该方法由线性非高斯非循环模型（LiNGAM）中的数据生成模型定义。该模型适用于公司内部和公司间数据集中的功能点数和工作量度量标准。我们假设，如果数据集适合进行工作量估算，则指标和工作量之间的因果关系将得到更多提取。案例研究的结果表明，与从公司内部数据集中提取的因果关系相比，我们可以从公司内部数据集中提取更多的因果关系。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号