prikaz prve stranice dokumenta Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja
Access restricted to students and staff of home institution
doctoral thesis
Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:433095
Šikić, Lucija
University of Zagreb
Faculty of Electrical Engineering and Computing
Department of Electronics, Microelectronics, Computer and Intelligent Systems

Institutional repository: FER Repository

Cite this document

Šikić, L. (2022). Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja (Doctoral thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:433095

Šikić, Lucija. "Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja." Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:433095

Šikić, Lucija. "Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja." Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:433095

Šikić, L. (2022). 'Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja', Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 01 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:433095

Šikić L. Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja [Doctoral thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 July 01] Available at: https://urn.nsk.hr/urn:nbn:hr:168:433095

L. Šikić, "Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja", Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:433095

Metadata
TitlePredviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja
Title (english)Software defect prediction based on features extracted from the tree structure of the source code and from its development process
AuthorLucija Šikić
MentorMarin Šilić (mentor)
Committee memberKlemo Vladimir (predsjednik povjerenstva)
Committee memberGoran Delač (član povjerenstva)
Committee memberSaša Dešić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
(Department of Electronics, Microelectronics, Computer and Intelligent Systems)
Zagreb
Defense date and country2022-09-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Universal decimal classification
(UDC)		004 - Computer science and technology. Computing. Data processing
Abstract
Predviđanje pogrešaka programske potpore postupak je otkrivanja pogrešaka unutar modula programske potpore koji se sastoji od izbora značajki za opis modula programske potpore i izgradnje modela koji pronalazi module s pogreškom na osnovi izabranih značajki. Moduli programske potpore najčešće su predstavljeni značajkama dobivenim iz kvalitativnih ili kvantitativnih opisa programske potpore ili procesa njezina razvoja. Značajke modula programske potpore moguće je izvući i izravno iz njezina izvornog kôda, pri čemu se dobiva vrijedna informacija o sintaksnim i semantičkim posebnostima modula. Navedene značajke koriste se za gradnju modela koji dodjeljuju oznake ispravnosti ili neispravnosti modulima programske potpore. Kako bi te oznake bile ispravno dodijeljene modulima, nužno je izabrati značajke modula koje su bitne za postojanje pogreške i koje će omogućiti razvoj učinkovita modela za predviđanje pogrešaka u modulima. Znanstveni doprinosi jesu sljedeći: 1. Metoda izlučivanja značajki iz procesa razvoja izvornog kôda modula programske potpore koja se zasniva na agregiranim promjenama između inačica 2. Model dubokog učenja za identificiranje modula programske potpore koji sadrže pogrešku uporabom značajki izlučenih iz izvornog kôda modula programske potpore izgradnjom vektorske reprezentacije apstraktnog sintaksnog stabla
Abstract (english)
Software defect prediction is a process of identifying defect-prone software modules, which consists of selecting features for describing modules and building a model which detects defective modules using selected features. Software’s modules are usually represented by features generated by qualitative or quantitative description of either software or its development process. Software’s module’s features can also be extracted directly from the software’s source code, where the valuable information of the code's syntax and semantics are obtained. The features are used to build models which assign labels “non-defective” or “defective” to the software’s modules. To assign the labels to the modules correctly, it is necessary to select module’s features which are relevant to the existence of a defect and which would enable developing an effective model for predicting defects in modules. Scientific contributions as follows: 1. A feature extraction method from the source code development process based on aggregation of code changes made between versions 2. A deep learning model for identifying defect-prone source code that uses features extracted from the tree structure of the source code
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:433095
Promotion2022
Study programmeTitle: Computer Science
Study programme type: university
Study level: postgraduate
Academic / professional title: Doktor znanosti (Doktor znanosti)
Type of resourceText
Extentxi, 129 str. : graf. prikazi ; 30 cm. + CD-ROM.
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2022-11-24 10:30:25