Localização evolucionária de defeitos em software baseada na singularidade de escores de suspeita

Página do item simplificado
dc.contributor.advisor1Leitão Júnior, Plinio de Sá
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4480334653242457pt_BR
dc.contributor.referee1Leitão Júnior, Plinio de Sá
dc.contributor.referee2Bulcão Neto, Renato De Freitas
dc.contributor.referee3Chaim, Marcos Lordello
dc.creatorFerreira, Willian de Jesus
dc.creator.Latteshttp://lattes.cnpq.br/4501359586437611pt_BR
dc.date.accessioned2022-11-10T16:25:08Z
dc.date.available2022-11-10T16:25:08Z
dc.date.issued2022-10-13
dc.description.abstractContext. Software is subject to the presence of faults, which impacts its quality as well as production and maintenance costs. Evolutionary fault localization has used data from the test activity (test spectra) as a source of information about defects, and its automation aims to obtain better accuracy and lower software repair cost. Motivation. Our analysis identified that test spectra commonly used in the research field have a high ratio of sample repetition, which impairs the training and evolution of models (heuristics). Problem. We investigate whether the uniqueness of suspiciousness scores can boost the ability to find software faults, aiming to deal with samples repetition, that is, if an exploration based on how distinguishable program elements are about being defective can generate competitive models. Methodology. The investigation formalized hypotheses, introduced three training strategies to guide the proposal and carried out an experimental evaluation, aiming to reach conclusions regarding the assessment of research questions and hypotheses. Analysis. The results have shown the competitiveness of all the proposed training strategies through evaluation metrics commonly used in the research field. Conclusion. Statistical analyses confirmed that the uniqueness of suspiciousness scores guides the generation of superior heuristics for fault localization.eng
dc.description.provenanceSubmitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2022-11-09T19:32:38Z No. of bitstreams: 2 Dissertação - Willian de Jesus Ferreira - 2022.pdf: 1061902 bytes, checksum: 96f28e4c4357dbd60a65226953d880ad (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Cláudia Bueno (claudiamoura18@gmail.com) on 2022-11-10T16:25:08Z (GMT) No. of bitstreams: 2 Dissertação - Willian de Jesus Ferreira - 2022.pdf: 1061902 bytes, checksum: 96f28e4c4357dbd60a65226953d880ad (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-11-10T16:25:08Z (GMT). No. of bitstreams: 2 Dissertação - Willian de Jesus Ferreira - 2022.pdf: 1061902 bytes, checksum: 96f28e4c4357dbd60a65226953d880ad (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2022-10-13en
dc.description.resumoContexto. O software está sujeito à presença de defeitos que impactam na sua qualidade, bem como nos custos de sua produção e manutenção. A localização de defeitos evolutiva utiliza os dados da atividade de teste (espectro de teste) como fonte de informação sobre defeitos, de maneira que sua automação visa obter melhor precisão e reduzir os custos inerentes à atividade de reparo do software. Motivação. Identificou-se que os dados presentes nos espectros de teste usualmente utilizados no campo de pesquisa apresentam uma alta razão de repetição da amostra, o que prejudica o treinamento e a evolução de modelos (heurísticas). Problema. Em face dessa problemática, investigou-se a possibilidade da singularidade das pontuações de suspeita aumentar a capacidade de encontrar falhas de software (defeitos). Assim, visando lidar com a repetição de amostras, buscou-se conhecer se uma exploração baseada em elementos de programa distinguíveis entre si (defeituosos ou não) pode gerar modelos competitivos. Metodologia. A partir desses objetivos, a investigação formalizou duas hipóteses, introduziu três estratégias de capacitação para orientar a proposta e realizou uma avaliação experimental. Análise. Por meio de métricas de avaliação comumente usadas no campo de pesquisa, levantou-se a competitividade de todas as estratégias de treinamento. Conclusão. Como principal resultado comparativo, análises estatísticas confirmaram que a singularidade das pontuações de suspeita orienta a geração de heurísticas superiores para a localização de falhas.pt_BR
dc.description.sponsorshipOutropt_BR
dc.identifier.citationFERREIRA, Willian de Jesus. Localização evolucionária de defeitos em software baseada na singularidade de escores de suspeita. 2022. 79 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2022.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/12436
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectLocalização de defeitospor
dc.subjectSBSEpor
dc.subjectDepuração de softwarepor
dc.subjectProgramação genéticapor
dc.subjectFault Localizationeng
dc.subjectSoftware debugeng
dc.subjectGenetic programingeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleLocalização evolucionária de defeitos em software baseada na singularidade de escores de suspeitapt_BR
dc.title.alternativeEvolutionary software fault-localization based on uniqueness of suspiciousness scoreseng
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Willian de Jesus Ferreira - 2022.pdf
Tamanho:
1.01 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)