• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.653-656
• /
• 2019

소프트웨어의 유지보수 단계에서 소프트웨어의 버그 리포트는 개발자에게 유용한 정보를 제공한다. 개발자들은 버그 수정이나 변경 내역 열람 등 다양한 작업을 위해 버그 리포트를 열람한다. 하지만, 대화 형식으로 작성되는 버그 리포트의 특징 때문에 버그 리포트는 종종 매우 길거나 장황하여 이를 읽고 이해하기 어려운 경우가 많다. 이러한 문제점을 해결하기 위한 방법으로 버그 리포트의 요약문을 자동으로 생성하는 기법을 제안하였고, 다양한 관련 연구가 진행되었다. 그러나, 기존에 제안된 버그 리포트 요약 기법들은 버그 리포트만의 고유한 특성들을 활용하지 않는 경우가 많다. 본 연구에서는 버그 리포트들 사이의 중복(duplicates), 의존(depends-on), 역의존(blocks) 관계들을 이용한 PageRank 알고리즘 기반 버그 리포트 요약 기법을 제안한다. 실험 결과 제안 기법이 기존 버그 리포트 요약 기법보다 요약 품질과 적용 범위 측면에서 뛰어남을 확인하였다.

• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.480-483
• /
• 2017

소프트웨어 개발 및 유지보수 단계에서 발생한 문제들은 버그 추적 시스템을 통해 버그리포트로 등록되고 관리된다. 등록된 버그리포트를 기반으로 배정자는 해당 문제를 해결할 수 있는 개발자들을 배정하고, 배정된 개발자는 이를 해결한다. 그러나 버그리포트에서 제공되는 정보가 정확하지 않을 경우 문제 해결에 많은 시간이 소모된다. 본 논문에서는 Eclipse 오픈소스 프로젝트들에 대해 12가지의 도메인으로 분류하여 총 395,967개의 버그리포트에 대해 초기 정보의 불완전성을 분석한다. 이를 위해 초기 버그리포트에서 제공되는 정보 중 메타필드 내 정보에 초점을 맞춘다. 분석결과 필드들이 도메인 별로 최소 6%, 평균 20%, 최대 33%가 최소 한 번 이상 변경되는 것을 확인하였으며, 프로젝트 도메인 별로 상이하게 변경되는 것을 확인할 수 있었다.

• Annual Conference of KIPS
• /
• 2008.05a
• /
• pp.702-705
• /
• 2008

최근 많은 게임들이 개발되고 경쟁하면서 게임 서비스에 대한 중요성이 대두되고 있다. 이 중에서도 버그리포트 시스템은 향후 온라인게임 서비스 향상을 위한 중요한 요소이다. 사례 분석을 통해 현재 서비스되고 있는 버그리포트 시스템의 문제점을 도출하고, 개선하고자 한다. 사용자의 편리성과 운영자의 신속, 정확한 버그 수집을 위한 새로운 버그리포트 시스템을 제안한다.

• KIISE Transactions on Computing Practices
• /
• v.21 no.9
• /
• pp.616-621
• /
• 2015

Recently developed software systems have many components, and their complexity is thus increasing. Last year, about 375 bug reports in one day were reported to a software repository in Eclipse and Mozilla open source projects. With so many bug reports submitted, developers' time and efforts have increased unnecessarily. Since the bug severity is manually determined by quality assurance, project manager or other developers in the general bug fixing process, it is biased to them. They might also make a mistake on the manual decision because of the large number of bug reports. Therefore, in this study, we propose an approach of bug severity prediction to solve these problems. First, we find similar topics within a new bug report and reduce the candidate reports of the topic by using the meta field of the bug report. Next, we train the reduced reports by applying Naive Bayes Multinomial. Finally, we predict the severity of the new bug report. We compare our approach with other prediction algorithms by using bug reports in open source projects. The results show that our approach better predicts bug severity than other algorithms.

• Journal of KIISE
• /
• v.42 no.6
• /
• pp.755-763
• /
• 2015

As fixing bugs is a large part of software development and maintenance, estimating the time to fix bugs -bug fixing time- is extremely useful when planning software projects. Therefore, in this study, we propose a way to estimate bug fixing time using bug reports. First, we classify previous bug reports with meta fields by applying a k-NN method. Next, we compute the similarity of the new bug and previous bugs by using data from bug reports. Finally, we estimate how long it will take to fix the new bug using the time it took to repair similar bugs. In this study, we perform experiments with open source software. The results of these experiments show that our approach effectively estimates the bug fixing time.

• Journal of KIISE
• /
• v.44 no.8
• /
• pp.832-841
• /
• 2017

Bug reports are essential documents for developers to localize and fix bugs. These reports contain information regarding software bugs or failures that occur during software operation and maintenance phase. Information Retrieval-based Bug Localization (IR-BL) techniques have been proposed to reduce the time and cost it takes for developers to resolve bug reports. However, if a low-quality bug report is submitted, the performance of such techniques can be significantly degraded. To address this problem, we propose a quality prediction method that selects low-quality bug reports. This process; defines a Quality property of a Bug report as a Query (Q4BaQ) and predicts the quality of the bug reports using machine learning. We evaluated the proposed method with 3 open source projects. The results of the experiment show that the proposed method achieved an average F-measure of 87.31% and outperformed previous prediction techniques by up to 6.62% in the F-measure. Finally, a combination of the proposed method and traditional automatic query reformulation method improved the MRR and MAP by 0.9% and 1.3%, respectively.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.52 no.5
• /
• pp.235-241
• /
• 2015

Nowadays, research and industry on the internet of things is rapidly developing. Bug fixed field of the Software development related internet of things is a very important things. In this study, we analyze the properties that can affect what the bug fix-time by analyzing the time required to fix a bug associated with the Internet of Things. Using the k-NN classification method based on the attribute information to be classified as bug reports. Extracts a bug report based on the results of a similar property. Bug fixed by calculating the time of a similar bug report predicts the fix-time for new bugs. Depending on the prediction of the properties that affect the bug correction time, the properties of os, component, reporter, and assignee showed the best prediction accuracy.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.1023-1026
• /
• 2015

비용 효율적인 소프트웨어 유지보수 방안에 대한 기대가 높다. 본 논문에서는 유지보수 비용을 감소시키기 위해 회귀 테스트에 사용되는 테스트케이스를 효과적으로 우선순위화하는 방안을 제안한다. 테스트케이스를 우선순위화하는 방법으로는 코드의 커버리지를 이용해 테스트케이스의 우선순위를 높이는 방법과 모델 기반 테스트케이스 우선순위화 방법 등 여러 가지 방법이 제안되어 왔다. 본 논문에서는 소스코드, 커밋 로그와 버그리포트의 정보를 이용해 정보검색 기반의 테스트케이스 우선순위화 기법을 제안한다. 변경된 소스코드 이력은 새로운 기능의 업데이트 유무를 확인 할 수 있으며, 결함으로 수정된 파일을 추측할 수 있다. 버그 리포트는 소스코드의 결함에 대한 정보를 담고 있다. 제안한 방법의 유효성을 확인하기 위해 오픈소스 프로젝트(Joda-Time, Commons-Lang)를 이용해 실험을 진행하였다. 실험을 통해 소스코드, 커밋 로그와 버그리포트로 테스트케이스 우선순위화 방법의 유효성을 확인했으며, 버그리포트를 적용해 테스트케이스 우선순위화 기법을 이전 연구에 비해 최대 8% 향상된 결과를 확인 할 수 있었다.

• Annual Conference of KIPS
• /
• 2018.10a
• /
• pp.512-514
• /
• 2018

최근 보안 버그의 중요성이 증가함에 따라, 버그 리포트 중 보안과 관련된 리포트를 빠르게 분류하는 기술이 필요하다. 기존 기술들은 버그 리포트의 단어들을 가지고 기계학습을 위한 훈련 데이터를 생성한다. 이 때 기계학습에 잡음이 발생하면 성능을 떨어뜨릴 수 있다. 이를 보완하기 위해 본 연구에서는 감정 단어를 활용하여 잡음을 줄인 보안 버그리포트를 자동으로 식별하는 기계학습기반 기술을 제안한다. 제안 기술은 기계학습 시 사용되는 훈련 데이터의 품질을 높이기 위해 감정 단어를 활용한다. 실험 결과 감정 단어를 활용했을 때 기존 기술 대비 보안 버그를 분류하는 정확도가 3.03% 향상되었다.

• Journal of KIISE:Software and Applications
• /
• v.41 no.8
• /
• pp.557-568
• /
• 2014

Recently, software projects have been increasing and getting complex. Due to the large number of submitted bug reports, developers' workload increases. Generally in bug triage process, the triagers assign the bug report to fixer (developer) in order to resolve the bug. However, bug reports have been reassigned to other developers because fixers are not suitable. This is why the triagers did not correctly check and understand the bug report and decide the appropriate developers to fix the bug. This results in increase of developers' time and efforts in software maintenance. To resolve these problems, in this paper, we propose a novel method for developer recommendation based on topic model and social network. First, we build a basis of topic(s) from bug reports. Next, when a new bug report (test data set) comes, we select the most similar topic(s) and extract the participated developers from the topic(s). Finally, by applying social network, we analyze the developers' behavior (comment and commit activity) and recommend the appropriate developers. In this paper we compare our work with related studies through performance experiments on open source projects. The results show that our approach is more effective than other studies in bug triage.