2014
Towards an Improvement of Bug Severity Classification
SINGHA ROY, Nivir Kanti a Bruno ROSSIZákladní údaje
Originální název
Towards an Improvement of Bug Severity Classification
Autoři
SINGHA ROY, Nivir Kanti (380 Itálie) a Bruno ROSSI (380 Itálie, garant, domácí)
Vydání
Verona, 40th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2014, od s. 269-276, 8 s. 2014
Nakladatel
IEEE
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Kód RIV
RIV/00216224:14330/14:00076796
Organizační jednotka
Fakulta informatiky
ISBN
978-1-4799-5794-1
UT WoS
000358153200041
Klíčová slova anglicky
Bug Severity Classification; Text Mining; Feature Selection;
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 28. 4. 2015 11:31, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
Predicting the severity of bugs has been found in past research to improve triaging and the bug resolution process. For this reason, many classification/prediction approaches emerged over the years to provide an automated reasoning over severity classes. In this paper, we use text mining together with bi-grams and feature selection to improve the classification of bugs in severe/non-severe classes. We adopt the Naive Bayes (NB) classifier considering Mozilla and Eclipse datasets commonly used in related works. Overall, the results show that the application of bi-grams can improve slightly the performance of the classifier, but feature selection can be more effective to determine the most informative terms and bi-grams. The results are in any case project-dependent, as in some cases the addition of bi-grams may worsen the performance.
Návaznosti
| LG13010, projekt VaV |
|