粗粒度モジュールに対するバグ密度予測の精度評価

摘要

本稿では，結合テストレベルでのバグモジュール予測の効果を確かめることを目的として，粗粒度モジュール（パッケージ単位）に対する予測モデルの性能を評価実験を通して明らかにする．実験ではEclipseプロジェクトが開発するEclipse Platformを対象として，交差検証法による評価と複数バージョン間における評価を行った．粗粒度モジュールに対するバグモジュール予測がどの程度効果があるかを比較するために，細粒度モジュール（ソースコードファイル単位）に対する予測モデルの性能についても評価した．4つの代表的なモデル化手法（重回帰分析，類似性に基づく予測，回帰木，ランダムフォレスト）を用いた実験の結果，粗粒度／細粒度どちらの場合においても，ランダムフォレストが他のモデル化手法（重回帰分析，類似性に基づく予測，回帰木）よりも高い予測性能を示した．また，モデルの予測結果に基づいてテストすると，粗粒度モジュールでは約4割の規模のファイルをテストすることで約8割のバグを検出でき，細粒度モジュールでは約2割の規模のファイルをテストすることで約8割のバグを検出できることがわかった．