• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of open source software & processes >Predicting the Severity of Open Source Bug Reports Using Unsupervised and Supervised Techniques
【24h】

Predicting the Severity of Open Source Bug Reports Using Unsupervised and Supervised Techniques

机译：使用无监督和受监督的技术预测开源错误报告的严重性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The severity of the bug report helps for the bug triagers to prioritize the handling of bug reports for giving more importance to high critical bugs than less critical bugs, since the inexperienced developers and new users can make mistakes while assigning the severity. The manual labeling of severity is labor-intensive and time-consuming. In this article, both unsupervised and supervised learning algorithms are used to automate the prediction of bug report severity. Because the data was unlabeled, the Gaussian Mixture Model is used to group similar kinds of bug reports. The result is labeled data with the severity level given for each bug reports. Then, the training of classifiers is performed to predict the severity of new bug reports submitted by the user using Multinomial Naïve Bayes Classifier, Logistic Regression Classifier and Stochastic Gradient Descent Classifier. Using these methods, around 85% accuracy is obtained. More accurate predictions can be done using the authors approach.
机译：错误报告的严重性有助于错误分类人员优先处理错误报告，从而比不严重的错误更重视高严重性错误，因为经验不足的开发人员和新用户在分配严重性时会犯错。严重性的手动标记非常费力且费时。在本文中，无监督和有监督的学习算法均用于自动预测错误报告的严重性。由于数据没有标签，因此使用高斯混合模型对相似的错误报告进行分组。结果被标记为具有针对每个错误报告的严重性级别的数据。然后，使用多项式朴素贝叶斯分类器，对数回归分类器和随机梯度下降分类器对分类器进行训练，以预测用户提交的新错误报告的严重性。使用这些方法，可以获得约85％的精度。可以使用作者的方法进行更准确的预测。

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