Predviđanje pogrešaka programske potpore zasnovano na značajkama dobivenima iz stablaste strukture izvornoga kôda i iz procesa njegova razvoja

Šikić, Lucija

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

Cite this document

APA 6th Edition

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

MLA 8th Edition

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

Chicago 17th Edition

Harvard

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 08 September 2024, https://urn.nsk.hr/urn:nbn:hr:168:433095

Vancouver

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 September 08] Available at: https://urn.nsk.hr/urn:nbn:hr:168:433095

IEEE

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

Cite this item: https://urn.nsk.hr/urn:nbn:hr:168:433095

Please login to the repository to save this object to your list.

Metadata

Title	Predviđanje 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
Author	Lucija Šikić
Mentor	Marin Šilić (mentor)
Committee member	Klemo Vladimir (predsjednik povjerenstva)
Committee member	Goran Delač (član povjerenstva)
Committee member	Saša Dešić (član povjerenstva)
Granter	University of Zagreb Faculty of Electrical Engineering and Computing (Department of Electronics, Microelectronics, Computer and Intelligent Systems) Zagreb
Defense date and country	2022-09-15, 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)
Language	croatian
URN:NBN	urn:nbn:hr:168:433095
Promotion	2022
Study programme	Title: Computer Science Study programme type: university Study level: postgraduate Academic / professional title: Doktor znanosti (Doktor znanosti)
Type of resource	Text
Extent	xi, 129 str. : graf. prikazi ; 30 cm. + CD-ROM.
File origin	Born digital
Access conditions	Access restricted to students and staff of home institution
Terms of use
Repository	FER Repository
Created on	2022-11-24 10:30:25