概要: バグを予測する技術は品質保証に要するコストを低減できると期待されている．バグ予測はより細粒度で行えることが望ましく，メソッド粒度でのバグ予測が注目されている．これまでに，機械学習を用いて構築されたメソッド粒度バグ予測モデルについての調査が何度か行われているが，それらの実験設定には非現実的な部分がある．たとえば，モデルの目的変数として「メソッドにバグが含まれているか」ではなく「メソッドに過去にバグが含まれていたか」が用いられていたり，バグ予測のユースケースにおいて利用不可能なデータに基づいて学習用データセットが構築されていたりする．著者らはそのような非現実的な部分のない，現実的な実験設定のもとで，メソッド粒度バグ予測モデルの予測精度を計測した．その結果，F値は平均で約0.197，AUCは平均で約0.745と計測され，高精度のメソッド粒度バグ予測モデルを構築するには課題が残されていると判明した．また，説明変数算出時に参照する変更履歴の期間および学習に用いるメソッドの存在期間について適切なものを採用することで，予測精度がF値の観点で約15.2%，AUCの観点で約2.9%向上することが確認できた．

@article{荻野翔2022a,
  author = {荻野 翔 and 肥後 芳樹 and 楠本 真二},
  title = {現実的な設定におけるメソッド粒度バグ予測モデルの構築および精度評価},
  journal = {情報処理学会論文誌},
  volume = {63},
  number = {4},
  pages = {973--985},
  year = {2022},
  month = {apr},
  url = {http://doi.org/10.20729/00217601}
}