D 2023

Source Code Metrics for Software Defects Prediction

REBRO, Dominik Arne, Bruno ROSSI a Stanislav CHREN

Základní údaje

Originální název

Source Code Metrics for Software Defects Prediction

Autoři

REBRO, Dominik Arne (703 Slovensko, domácí), Bruno ROSSI (380 Itálie, garant, domácí) a Stanislav CHREN (703 Slovensko, domácí)

Vydání

Not specified, The 38th ACM/SIGAPP Symposium on Applied Computing (SAC '23), od s. 1469-1472, 4 s. 2023

Nakladatel

Association for Computing Machinery (ACM)

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10200 1.2 Computer and information sciences

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Kód RIV

RIV/00216224:14330/23:00130144

Organizační jednotka

Fakulta informatiky

ISBN

978-1-4503-9517-5

DOI

UT WoS

001124308100207

Klíčová slova anglicky

Software Defect ; Software Metrics; Mining Software Repositories; Software Quality

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 7. 4. 2024 22:36, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

In current research, there are contrasting results about the applicability of software source code metrics as features for defect prediction models. The goal of the paper is to evaluate the adoption of software metrics in models for software defect prediction, identifying the impact of individual source code metrics. With an empirical study on 275 release versions of 39 Java projects mined from GitHub, we compute 12 software metrics and collect software defect information. We train and compare three defect classification models. The results across all projects indicate that Decision Tree (DT) and Random Forest (RF) classifiers show the best results. Among the highest-performing individual metrics are NOC, NPA, DIT, and LCOM5. While other metrics, such as CBO, do not bring significant improvements to the models.

Návaznosti

CZ.02.1.01/0.0/0.0/16_019/0000822, interní kód MU
(Kód CEP: EF16_019/0000822)
Název: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur (Akronym: C4e)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur, PO 1 Posilování kapacit pro kvalitní výzkum
EF16_019/0000822, projekt VaV
Název: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur