2023 年 40 巻 4 号 p. 4_22-4_28
ソフトウェア開発において,バグを含む可能性の高いモジュール(fault-proneモジュール)を高い精度で予測することができれば,テストやデバッグの効率化に繫がる.予測精度の向上を目的として,予測モデルの訓練データに含まれる,予測に悪影響を与えるような外れ値データの除去が取り組まれている.本稿では,バージョン間予測を対象とし,よりロバストな外れ値除去手法として,予測対象とは異なるプロジェクトから得られた第三者データセットを用いて,訓練データ中の外れ値を特定・除去する手法を提案する.評価実験の結果から,提案手法は大多数のプロジェクトで予測精度を向上でき,また代表的な既存の外れ値除去手法であるMOAやCC-MOAよりも高い効果を持つことが示された.