ارزيابي تاثير متريك هاي نرم‌افزاري بر مدل‌هاي پيش‌بيني نقص نرم‌افزار

Evaluating the impact of software metrics on software defect prediction models

متريك هاي نرم افزاري كمكي ضروري براي فرآيند اندازه گيري نرم افزار هستند. اندازه گيري نرم افزار وظيفه اي است كه در تمام مراحل فرآيند توسعه نرم افزار انجام مي شود. در طي اين فرآيند، بسياري از محصولات نرم افزاري مياني يا نهايي توسعه يافته و با متريك هاي محصول نرم افزار اندازه گيري مي شوند. يكي از اين محصولات كد منبع برنامه است كه بخشي از سيستم نرم افزار نهايي است و براي ارزيابي كيفيت آن اندازه گيري مي شود. متريك هاي كد منبع نوعي از متريك هاي محصول هستند كه بر اندازه گيري كد منبع يك سيستم تمركز دارند. متريك هاي كد منبع اجزاي ضروري در فرآيند اندازه گيري نرم افزار هستند. آنها از كد منبع نرم افزار استخراج مي شوند و مقادير آنها به ما امكان مي دهد در مورد كيفيت صفات اندازه گيري شده توسط متريك ها، استنتاج مناسب داشته باشيم. در تحقيقات امروزي، نتايج متضادي در مورد كاربرد متريك هاي كد منبع نرم افزار به عنوان ويژگي هايي براي مدل هاي پيش بيني نقص وجود دارد. هدف اين تحقيق ارزيابي تطبيق متريك هاي نرم‌افزاري در مدل‌هاي پيش‌بيني نقص نرم‌افزار، و شناسايي تأثير متريك هاي كد منبع اختصاصي است. با يك مطالعه تجربي بر روي 275 نسخه منتشر شده از 39 پروژه جاوا استخراج شده از گيت هاب، 12 متريك نرم افزاري محاسبه شده و اطلاعات نقص نرم افزاري جمع آوري گرديده است. در اين مطالعه، سه مدل طبقه بندي نقص آموزش و مقايسه شده است. نتايج در تمام پروژه ها نشان مي دهد كه طبقه بند درخت تصميم (DT) و جنگل تصادفي (RF) بهترين نتايج را نشان مي دهد. از جمله متريك هاي اختصاصي با بالاترين عملكرد مي توان به NOC، NPA، DIT و 5LCOM اشاره كرد. در حالي كه ساير متريك ها، مانند CBO، بهبود قابل توجهي را در مدل ها به ارمغان نمي آورند.