Automated assignment and classification of software issues
Yazılım sorunlarının otomatik atanma ve sınıflandırılması
- Tez No: 832162
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA BAŞAK AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Yazılım sorunları, geliştirme sırasında düzeltmek, iyileştirmek veya yeni iş parçacıkları oluşturmak ve ekip üyeleri arasındaki iletişimi kolaylaştırmak için iş birimleri içerir. Bir sorunu en alakalı ekip üyesine atamak ve bir sorunun kategorisini belirlemek sıkıcı ve zorlu bir iştir. Yanlış sınıflandırmalar, projede gecikmelere, yeniden çalışmalara ve ekip üyeleri arasında sıkıntıya neden olur. Bu makale, sığ makine öğrenimi yöntemleri için özenle derlenmiş bir dizi dilsel özellik önermekte ve sığ ve topluluk yöntemlerinin performansını derin dil modelleriyle karşılaştırmaktadır. Son teknolojiden farklı olarak, çözümümüzün genelliğine katkıda bulunmak için sorunları belirli kişiler veya ekipler yerine dört role (tasarımcı, geliştirici, testçi ve lider) atıyoruz. Çözüm formülasyonumuzdaki endüstriyel uygulamaları yansıtmak için geliştiricilerin deneyim düzeyini de dikkate alıyoruz. Sorunları, hata, yeni özellik, iyileştirme ve diğer gibi farklı sınıflara ayırmak için bir sınıflandırma yaklaşımı kullanıyoruz. Ek olarak, gereken özel değişiklik türüne göre hataları daha fazla sınıflandırmaya çalışıyoruz. Tasarımızı değerlendirmek ve derin dil modelleriyle karşılaştırmak için en büyük üç küresel televizyon üreticisinden birinden beş endüstriyel veri seti topluyor ve bunları etiketliyoruz. Veri setlerimiz toplamda 5324 sorun içermektedir. Sığ tekniklerin bir topluluk sınıflandırıcısının, en gelişmiş derin dil modelleriyle istatistiksel olarak karşılaştırılabilir olan hatırlama ve doğrulukta sorun ataması için 0.92 ve sorun sınıflandırması için 0.90'a ulaştığını gösteriyoruz. Katkılarımız, beş adet etiketlenmiş endüstriyel sorun veri setinin kamuya açık paylaşımını, açık ve kapsamlı bir özellik setinin geliştirilmesini, yeni bir etiket setinin tanıtılmasını ve sığ makine öğrenme teknikleriyle oluşturulan bir topluluk sınıflandırıcının etkinliğinin doğrulanmasını içermektedir.
Özet (Çeviri)
Software issues contain units of work to fix, improve or create new threads during the development and facilitate communication among the team members. Assigning an issue to the most relevant team member and determining a category of an issue is a tedious and challenging task. Wrong classifications cause delays and rework in the project and trouble among the team members. This thesis proposes a set of carefully curated linguistic features for shallow machine learning methods and compares the performance of shallow and ensemble methods with deep language models. Unlike the state-of-the-art, we assign issues to four roles (designer, developer, tester, and leader) rather than to specific individuals or teams to contribute to the generality of our solution. We also consider the level of experience of the developers to reflect the industrial practices in our solution formulation. We employ a classification approach to categorize issues into distinct classes, namely bug, new feature, improvement, and other. Additionally, we endeavor to further classify bugs based on the specific type of modification required. We collect and annotate five industrial data sets from one of the top three global television producers to evaluate our proposal and compare it with deep language models. Our data sets contain 5324 issues in total. We show that an ensemble classifier of shallow techniques achieves 0.92 for issue assignment and 0.90 for issue classification in accuracy which is statistically comparable to the state-of-the-art deep language models. The contributions include the public sharing of five annotated industrial issue data sets, the development of a clear and comprehensive feature set, the introduction of a novel label set and the validation of the efficacy of an ensemble classifier of shallow machine learning techniques.
Benzer Tezler
- Kullanıcı destek sistemlerinde yardım biletlerinin otomatik sınıflandırılması
Automatic classification of help tickets in user support systems
MÜCAHİT ALTINTAŞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Endüstri 4.0 çerçevesinde kestirimci imalat teknolojileri
Predictive manufacturing technologies in industry 4.0 framework
KADİR TOLGA BAYER
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGUT GÜLMEZ
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Plastik kalıp tasarım esasları ve uygulamalı kalıp tasarım örneği
Principle of plastic injection mold design and a sample of applied mold design
CANKUT BUCAKLIGİL
Yüksek Lisans
Türkçe
1999
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TEOMAN KURTAY
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL