亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

A systematic literature review on software defect prediction using artificial intelligence: Datasets, Data Validation Methods, Approaches, and Tools

计算机科学 软件 任务(项目管理) 数据挖掘 软件开发 软件质量 机器学习 验证和确认 人工智能 软件工程 系统工程 数学 统计 工程类 程序设计语言
作者
Jalaj Pachouly,Swati Ahirrao,Ketan Kotecha,Ganeshsree Selvachandran,Ajith Abraham
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:111: 104773-104773 被引量:103
标识
DOI:10.1016/j.engappai.2022.104773
摘要

Delivering high-quality software products is a challenging task. It needs proper coordination from various teams in planning, execution, and testing. Many software products have high numbers of defects revealed in a production environment. Software failures are costly regarding money, time, and reputation for a business and even life-threatening if utilized in critical applications. Identifying and fixing software defects in the production system is costly, which could be a trivial task if detected before shipping the product. Binary classification is commonly used in existing software defect prediction studies. With the advancements in Artificial Intelligence techniques, there is a great potential to provide meaningful information to software development teams for producing quality software products. An extensive survey for Software Defect Prediction is necessary for exploring datasets, data validation methods, defect detection, and prediction approaches and tools. The survey infers standard datasets utilized in early studies lack adequate features and data validation techniques. According to the finding of the literature survey, the standard datasets has few labels, resulting in insufficient details regarding defects. Systematic Literature Reviews (SLR) on Software Defect Prediction are limited. Hence this SLR presents a comprehensive analysis of defect datasets, dataset validation, detection, prediction approaches, and tools for Software Defect Prediction. The survey exhibits the futuristic recommendations that will allow researchers to develop a tool for Software Defect Prediction. The survey introduces the architecture for developing a software prediction dataset with adequate features and statistical data validation techniques for multi-label classification for software defects.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
勤劳善良的胖蜜蜂完成签到 ,获得积分10
26秒前
Archers完成签到 ,获得积分10
49秒前
1分钟前
英俊书白发布了新的文献求助10
1分钟前
许之北完成签到 ,获得积分10
1分钟前
Polymer72应助科研通管家采纳,获得10
1分钟前
Polymer72应助科研通管家采纳,获得10
1分钟前
游大达完成签到,获得积分0
2分钟前
2分钟前
英俊书白完成签到,获得积分20
2分钟前
伏城完成签到 ,获得积分10
2分钟前
hanliulaixi完成签到 ,获得积分10
2分钟前
2分钟前
科研通AI2S应助雪上一枝蒿采纳,获得10
3分钟前
星辰大海应助科研通管家采纳,获得10
3分钟前
4分钟前
小强完成签到 ,获得积分10
4分钟前
5分钟前
maclogos完成签到,获得积分10
5分钟前
Polymer72应助科研通管家采纳,获得10
5分钟前
Polymer72应助科研通管家采纳,获得10
5分钟前
Polymer72应助科研通管家采纳,获得10
5分钟前
5分钟前
DrleedsG发布了新的文献求助200
7分钟前
7分钟前
Polymer72应助科研通管家采纳,获得10
7分钟前
Polymer72应助科研通管家采纳,获得10
7分钟前
Polymer72应助科研通管家采纳,获得10
7分钟前
Polymer72应助科研通管家采纳,获得10
7分钟前
米糖安发布了新的文献求助10
7分钟前
lisaltp完成签到,获得积分10
8分钟前
米糖安完成签到,获得积分10
8分钟前
xinqianying完成签到 ,获得积分10
9分钟前
iris完成签到,获得积分20
9分钟前
DrleedsG完成签到,获得积分10
9分钟前
9分钟前
Polymer72应助科研通管家采纳,获得10
9分钟前
Polymer72应助科研通管家采纳,获得10
9分钟前
9分钟前
10分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
RNAの科学 ―時代を拓く生体分子― 金井 昭夫(編) 1000
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
Education and Upward Social Mobility in China: Imagining Positive Sociology with Bourdieu 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3353523
求助须知:如何正确求助?哪些是违规求助? 2978145
关于积分的说明 8683835
捐赠科研通 2659514
什么是DOI,文献DOI怎么找? 1456277
科研通“疑难数据库(出版商)”最低求助积分说明 674310
邀请新用户注册赠送积分活动 665036