• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권12호
• /
• pp.511-522
• /
• 2014

소프트웨어 개발 및 유지보수 과정에서 여러 종류의 버그가 발생된다. 버그는 소프트웨어의 개발 및 유지 보수 시간을 증가시키는 주요원인으로 소프트웨어의 품질 저하를 초래한다. 버그의 발생을 사전에 완벽하게 방지하는 것은 불가능하다. 대신 버그 질라(Bugzilla), 멘티스BT(MantisGBT), 트랙 (Trac), 질라 (JIRA)와 같은 버그 트래킹 시스템을 이용하여 버그를 효과적으로 관리하는 것이 가능하다. 개발자 또는 사용자가 발생된 버그를 버그 트래킹 시스템에 보고하면, 프로젝트 매니저에 의해서 보고된 버그는 버그 해결에 적합한 개발자에게 전달되어 해결될 때까지 버그 트래킹 시스템에 의해서 추척된다. 여기서 프로젝트 매니저가 버그 해결에 적합한 개발자를 선별하는 것을 버그 분류 작업 (Bug triaging)이라고 하며, 대량으로 발생되는 버그 리포트들을 수동으로 분류하는 것은 프로젝트 매니저에게 있어서 매우 어려운 문제가 된다. 본 논문에서는 버그 트래킹 시스템에 저장된 과거에 해결된 버그 리포트에서 개발자 별 버그 해결 유형을 추출하고, 이를 활용한 버그 분류 작업, 즉 개발자 추천 방법을 제안한다. 먼저 버그 트래킹 시스템에서 각 개발자가 해결한 버그 리포트들을 분류한 후, 자연 언어 처리 알고리즘과 TF-IDF (Term frequency-Inverse document frequency)를 활용하여 각 개발자 별 단어 리스트를 생성한다. 그 후, 새로운 버그가 발생되었을 때 코사인 유사도를 통해서 생성된 개발자 별 단어 리스트와 새로운 버그 리포트의 단어 리스트를 비교하여 가장 유사한 단어 리스트를 가지는 개발자를 추천하는 방법이다. 두 오픈 소스 프로젝트인 이클립스 JDT.UI와 CDT.CORE를 대상으로 수행한 개발자 추천 실험에서 기계 학습 모델 기반의 추천 방법보다 제안하는 방법이 더 우수한 결과를 얻은 것을 확인하였다.

• 정보과학회 논문지
• /
• 제42권6호
• /
• pp.755-763
• /
• 2015

버그 정정 활동은 소프트웨어 개발과 유지보수 작업에서 많은 비중을 차지하므로, 버그 정정활동에 소요되는 시간을 미리 추정할 수 있다면 소프트웨어 프로젝트 작업 계획에 큰 도움이 될 것이다. 따라서 본 연구에서는 버그 리포트를 이용하여 버그 정정 시간을 추정하는 방법을 제안한다. 본 방법에서는 먼저, 버그 리포트가 제공하는 버그 메타 필드에 k-NN 방법을 적용하여 과거 버그 리포트들을 분류한다. 다음으로, 버그 리포트의 텍스트 정보를 활용하여 과거 버그와 새로운 버그 사이의 유사도를 계산하고, 유사한 버그의 정정 시간을 활용하여 새로운 버그의 정정 시간을 추정한다. 마지막으로, 오픈 소스 프로젝트에 본 방법을 적용한 실험을 통하여 효과적으로 버그 정정 시간을 추정한다는 것을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• 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.

• 전자공학회논문지
• /
• 제52권5호
• /
• pp.235-241
• /
• 2015

최근 사물인터넷과 관련된 연구와 산업이 급속히 발전하고 있다. 사물인터넷과 관련된 소프트웨어 개발 및 유지보수 활동에서 버그 정정은 큰 비중을 차지하는 활동이다. 본 논문에서는 사물인터넷과 관련된 버그를 정정하는데 소요되는 시간을 분석함으로써 버그 정정 시간에 영향을 미칠 수 있는 속성이 무엇인지 분석한다. 버그 리포트가 제공하는 속성 정보에 따라 k-NN 분류 방법을 사용하여 버그 리포트를 분류하고 유사한 속성을 가진 버그 리포트를 선별한다. 유사한 버그 리포트의 버그 정정 시간을 계산하여 새로운 버그의 정정 시간을 예측한다. 예측 정확도에 따라 버그 정정 시간에 영향을 미치는 속성 중 운영체제(os), 컴포넌트, 리포터, 할당자(assignee) 속성을 사용했을 때 버그 정정 시간 예측에 가장 좋은 정확도를 나타냈다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• 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.

• 정보과학회 논문지
• /
• 제44권11호
• /
• pp.1156-1164
• /
• 2017

기존의 버그 담당자 자동 배정 연구들은 대부분 기계학습 알고리즘을 기반으로 예측 시스템을 구축하는 방식이었다. 따라서, 고성능의 기계학습 모델을 적용하는 것이 담당자 자동 배정 시스템 성능의 핵심이 된다고 할 수 있으며 관련 연구에서는 높은 성능을 보이는 SVM, Naive Bayes 등의 기계학습 모델들이 주로 사용되고 있다. 본 논문에서는 기계학습 분야에서 최근 좋은 성능을 보이고 있는 딥 러닝을 버그 담당자 자동 배정에 적용하고 그 성능을 평가한다. 실험 결과, 딥 러닝 기반 Bug Triage 시스템이 활성 개발자 대상 실험에서 48%의 정확도를 달성했으며 이는 기존의 기계학습 대비 최대 69%향상된 결과이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.724-726
• /
• 2004

본 논문에서는 말스버그가 주장한 가보 웨이블릿을 기반으로 하는 얼굴 인식과 표정에 강인한 얼굴 인식에 대한 내용을 소개하였다. 표정을 분류하는 방법론에 대한 연구는 활발한 편이지만, 유사한 표정을 지니는 타인에 대한 구분이라던가, 동일인의 다양한 표정을 한 사람으로 정확히 인식하는 연구는 전무한 실정이다. 본 논문에서는 얼굴을 구성하는 특징 중에서 표정에 가장 많이 영향을 받는 특징을 분석하기 위한 실험과정과 결과, 그리고 근거를 제시하였고, 그에 따르는 방법론에 대한 연구를 제안한다.

• 소프트웨어공학소사이어티 논문지
• /
• 제28권1호
• /
• pp.23-28
• /
• 2019

최근 이미지 처리 응용을 위한 심층 신경망 모델의 효과적 테스팅을 위해 해당 모델이 올바르게 예측하지 못하는 코너 케이스에 해당하는 행동을 보이는 데이터를 자동 생성하는 연구가 활발히 진행되고 있다. 본 논문은 문장 분류 심층 신경망 모델에 기반하고 있는 버그 담당자 자동 배정 시스템의 테스트를 위해 입력 데이터인 버그 리포트의 내용에서 임의의 단어를 선택해 동의어로 변형하는 테스트 데이터 생성기법을 제안한다. 그리고 제안하는 테스트 데이터 생성 기법을 사용한 경우와 기존의 차이 유발 테스트 데이터 생성 기법을 사용했을 경우를 다양한 뉴런 기반 커버리지를 중심으로 비교 평가한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권11호
• /
• pp.273-280
• /
• 2020

자동화된 정적분석 도구는 소스 코드상에 잠재된 결함을 개발자들이 적은 노력으로 빠르게 찾을 수 있도록 도와준다. 하지만 이러한 정적분석 도구는 수정할 필요가 없는 오탐지 경고들을 무수하게 발생시킨다. 본 연구에서는 소스코드 블록의 토픽 모델을 이용한 인공신경망 기반의 경고 분류 기법을 제안한다. 소프트웨어 변경 관리 시스템으로부터 버그를 수정한 리비전들을 수집하고, 개발자들로부터 수정된 코드 블록들을 추출한다. 토픽 모델링을 이용하여 수집된 코드 블록의 토픽 분포 값을 구하고, 코드 블록의 리비전 간 경고들의 삭제 여부를 표현하는 이진데이터를 인공신경망의 입력 값과 출력 값으로 사용하여 심층 학습을 수행한다. 그 결과, 인공신경망 기반의 분류 모델이 높은 예측 성능으로 진성 또는 오탐지 경고를 분류하였다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.81-91
• /
• 2018

본 연구는 점진적 고유수용성 감각 운동프로그램훈련이 만성 뇌졸중 환자의 고유수용성 감각과 균형능력에 미치는 효과를 알아보기 위해 실시하였다. 대상자는 경기도에 위치한 B 병원 재활의학과에 내원한 만성뇌졸중 환자 29명을 고유수용성 운동프로그램 훈련군 15명과 대조군 14명으로 무작위 분류하여 시행하였다. 훈련군은 1주일 3번, 30분씩, 총 6주간 실시하였으며 대조군과 함께 일반적인 물리치료를 받았다. 모든 대상자들은 실험 실시 전 후에 고유수용성 감각, 버그균형척도, 일어나 걸어가기 검사, BioRescue장비를 사용하여 균형능력을 평가하였다. 그 결과 고유수용성 감각, 균형능력에서 실험군이 대조군보다 통계적으로 유의한 차이를 보였다. 그러므로 점진적 그리고 고유수용성 운동프로그램의 융합은 만성 뇌졸중 환자의 고유수용성 감각과 균형능력을 위한 효과적인 중재로 활용 될 수 있으며, 다양한 뇌졸중 환자의 위한 지속적인 융합중재개발이 요구된다.