earticle

영어

Cross-project software defect prediction has been proposed to address the issue of insufficient training data, utilizing domain adaptation techniques to minimize the distribution differences between source and target projects. This paper introduces new models using CORAL and compares their performance with existing models based on TCA, BDA, and W-BDA. Additionally, the performance of models employing deep learning classifiers is compared with those using traditional classifiers. Evaluation experiments demonstrate that, except for a few cases, CORAL generally outperforms the other models, and the use of deep learning classifiers leads to extreme outcomes, either significantly improving or deteriorating the performance of all models depending on the dataset.

한국어

훈련 데이터 부족 문제를 해결하기 위해 제안된 교차 프로젝트 소프트웨어 결함 예측은 소스 프로젝트와 타겟 프로젝트 간의 데이터 분포 차이를 최소화하기 위해 도메인 적응 기법들을 이용한다. 본 논문은 CORAL을 사용한 새로 운 모델들을 제작하여 TCA, BDA, W-BDA를 사용한 기존 모델들과 성능을 비교하였다. 또한 딥러닝 분류기를 사용한 모델의 성능을 기존 분류기들을 사용한 모델들과 비교하였다. 평가 실험 결과 CORAL은 소수의 경우를 제외하고 대부분 의 경우 타 모델들에 비해 탁월한 성능을 보였으며, 딥러닝 분류기의 사용은 데이터 집합에 따라 모든 모델들의 성능을 좋게하거나 나빠지게하는 극단적인 결과를 보였다.