📄Работа №216356
Тема: Разработка алгоритма для приоритизации дефектов программного обеспечения
Тип работы
Бакалаврская работа
Предмет
Информатика и вычислительная техника
Объем:
44 листов
Год:
2021
Просмотров:
7
4440
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация
Введение 5
Глава 1 Особенности приоритизации дефектов 7
1.1 Описание проблематики работы с дефектами 7
1.2 Жизненный цикл дефектов и их содержание 8
1.3 Анализ существующих работ по представленной проблеме 11
Глава 2 Разработка алгоритма приоритизации дефектов 15
2.1 Математическое описание и сравнительная характеристика
рекуррентных нейронных сетей 15
2.2 Программная реализация классификатора 19
2.3 Прототипирование программного интерфейса для алгоритма 31
Глава 3 Тестирование разработанного программного обеспечения 34
3.1 Описание разработанного программного обеспечения 34
3.2 Тестирование и оценка эффективности разработанного классификатора 35
Заключение 40
Список используемой литературы и используемых источников 41
Приложение А Структура алгоритма для приоритизации дефектов 44
Приложение Б Графическое представление обучаемой модели нейросети ... 45
Введение 5
Глава 1 Особенности приоритизации дефектов 7
1.1 Описание проблематики работы с дефектами 7
1.2 Жизненный цикл дефектов и их содержание 8
1.3 Анализ существующих работ по представленной проблеме 11
Глава 2 Разработка алгоритма приоритизации дефектов 15
2.1 Математическое описание и сравнительная характеристика
рекуррентных нейронных сетей 15
2.2 Программная реализация классификатора 19
2.3 Прототипирование программного интерфейса для алгоритма 31
Глава 3 Тестирование разработанного программного обеспечения 34
3.1 Описание разработанного программного обеспечения 34
3.2 Тестирование и оценка эффективности разработанного классификатора 35
Заключение 40
Список используемой литературы и используемых источников 41
Приложение А Структура алгоритма для приоритизации дефектов 44
Приложение Б Графическое представление обучаемой модели нейросети ... 45
📖 Введение
В машинном обучении классификация относится к задаче прогнозного моделирования, при решении которой метка класса прогнозируется для некоторого набора входных данных. Этот раздел машинного обучения достаточно проработан в теоретическом и практическом плане, поскольку проблема классификации находит применение в различных прикладных задачах. В качестве примера подобных задач можно привести задачи медицинской диагностики, оценки кредитоспособности заёмщиков, распознавания речи, а также классификации документов.
О классификации документов, а именно отчётов о дефектах программного обеспечения (ПО), и пойдет речь в данной выпускной квалификационной работе. Актуальность этой проблемы обусловлена тем, что поддержка программного обеспечения является неотъемлемой частью процесса его разработки. В частности, разрешение той или иной проблемы в ПО, на которую был заведён отчёт о дефекте, в значительной степени зависит от приоритета конкретного дефекта, заданного в системе отслеживания ошибок. Поскольку дефекты зачастую заводятся пользователями, то есть людьми, не обладающими специфическими техническими знаниями для объективной оценки возникшей проблемы, задача приоритизации дефектов ложится на плечи разработчиков ПО. В связи с этим, очевидной становится возможность автоматизации данного процесса.
В качестве объекта исследования выступает процесс определения приоритета дефектов ПО.
Предметом настоящего исследования является алгоритм классификатора для автоматизированной приоритизации дефектов ПО.
Целью данной работы является разработка алгоритма приоритизации дефектов ПО.
Для достижения вышеописанной цели необходимо решить следующие задачи:
1. Рассмотреть проблематику работы с дефектами ПО;
2. Провести анализ изученности представленной проблемы в научной и учебно-методической литературе;
3. Предложить способ осуществления автоматизации работы с дефектами ПО;
4. Выбрать подход к реализации алгоритма приоритизации дефектов ПО средствами машинного обучения;
5. Осуществить программную реализацию выбранного подхода;
6. Подготовить программный интерфейс для разработанного алгоритма;
7. Определить эффективность разработанного алгоритма;
8. Обобщив полученные экспериментальные результаты, сделать вывод об эффективности работы алгоритма.
О классификации документов, а именно отчётов о дефектах программного обеспечения (ПО), и пойдет речь в данной выпускной квалификационной работе. Актуальность этой проблемы обусловлена тем, что поддержка программного обеспечения является неотъемлемой частью процесса его разработки. В частности, разрешение той или иной проблемы в ПО, на которую был заведён отчёт о дефекте, в значительной степени зависит от приоритета конкретного дефекта, заданного в системе отслеживания ошибок. Поскольку дефекты зачастую заводятся пользователями, то есть людьми, не обладающими специфическими техническими знаниями для объективной оценки возникшей проблемы, задача приоритизации дефектов ложится на плечи разработчиков ПО. В связи с этим, очевидной становится возможность автоматизации данного процесса.
В качестве объекта исследования выступает процесс определения приоритета дефектов ПО.
Предметом настоящего исследования является алгоритм классификатора для автоматизированной приоритизации дефектов ПО.
Целью данной работы является разработка алгоритма приоритизации дефектов ПО.
Для достижения вышеописанной цели необходимо решить следующие задачи:
1. Рассмотреть проблематику работы с дефектами ПО;
2. Провести анализ изученности представленной проблемы в научной и учебно-методической литературе;
3. Предложить способ осуществления автоматизации работы с дефектами ПО;
4. Выбрать подход к реализации алгоритма приоритизации дефектов ПО средствами машинного обучения;
5. Осуществить программную реализацию выбранного подхода;
6. Подготовить программный интерфейс для разработанного алгоритма;
7. Определить эффективность разработанного алгоритма;
8. Обобщив полученные экспериментальные результаты, сделать вывод об эффективности работы алгоритма.
✅ Заключение
В результате выполнения данной выпускной квалификационной работы была осуществлена реализация алгоритма для приоритизации дефектов программного обеспечения. В ходе его разработки были сделаны следующие выводы:
1. Рассмотрение предметной области, то есть вопросов разработки и сопровождения ПО, показало наличие зависимости перечисленных процессов от человеческого фактора, что обусловливает потребность в автоматизации таких процессов. Поэтому использование технологий машинного обучения в таких областях является перспективной и актуальной задачей.
2. В ходе анализа научных источников было выявлено, что несмотря на сравнительно высокую эффективность большинства используемых для задачи приоритизации классификаторов, наиболее эффективным из них оказались алгоритмы, основанные на использовании рекуррентных нейронных сетей.
3. Был проведён сравнительный анализ существующих РНС, из которых ввиду эффективности на больших объёмах текста был выбран LSTM.
4. В ходе реализации ПО было приведено последовательное описание алгоритма и процесса его разработки на языке Python.
5. Предложенное ПО было протестировано на предмет эффективности с помощью общеиспользуемых метрик для оценки качества классификации, в результате чего был сделан вывод о пригодности обученной модели к выполнению задачи приоритизации ввиду высоких значений метрик.
Перечисленные выше выводы позволяют заключить, что алгоритм в перспективе может успешно использоваться в качестве компонента систем, применяемых для автоматизации сопровождения ПО.
1. Рассмотрение предметной области, то есть вопросов разработки и сопровождения ПО, показало наличие зависимости перечисленных процессов от человеческого фактора, что обусловливает потребность в автоматизации таких процессов. Поэтому использование технологий машинного обучения в таких областях является перспективной и актуальной задачей.
2. В ходе анализа научных источников было выявлено, что несмотря на сравнительно высокую эффективность большинства используемых для задачи приоритизации классификаторов, наиболее эффективным из них оказались алгоритмы, основанные на использовании рекуррентных нейронных сетей.
3. Был проведён сравнительный анализ существующих РНС, из которых ввиду эффективности на больших объёмах текста был выбран LSTM.
4. В ходе реализации ПО было приведено последовательное описание алгоритма и процесса его разработки на языке Python.
5. Предложенное ПО было протестировано на предмет эффективности с помощью общеиспользуемых метрик для оценки качества классификации, в результате чего был сделан вывод о пригодности обученной модели к выполнению задачи приоритизации ввиду высоких значений метрик.
Перечисленные выше выводы позволяют заключить, что алгоритм в перспективе может успешно использоваться в качестве компонента систем, применяемых для автоматизации сопровождения ПО.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.