Методика та засіб для класифікації та ранжування звітів про помилки у програмному забезпеченні із використанням методів машинного навчання

Abstract

Об’єкт дослідження – методика класифікації та ранжування звітів про помилки у ПЗ та комп’ютерний застосунок, що її реалізує. Мета роботи – дослідження технологій та методів машинного навчання для аналізу текстів та обробки природної мови, а також створення ефективної моделі та гнучкого комп’ютерного застосунку для класифікації та ранжування звітів про помилки у програмному забезпеченні. Методи дослідження – системного аналізу предметної області, порівняльного аналізу моделей, моделювання процесів класифікації та ранжування, машинного та глибокого навчання, статистичної оцінки ефективності, прототипування клієнт-серверної архітектури, об’єктно-орієнтованого проєктування та розробки програмного забезпечення. Результати роботи можуть бути використані під час створення інструментів аналізу й обробки баг-репортів, систем підтримки прийняття рішень у процесах забезпечення якості ПЗ, а також у дослідницьких системах, що вимагають текстової класифікації та обробки звітів. Розробка та дослідження виконувалися під управлінням ОС Windows 11. Клієнтська частина застосунку розроблена мовою C# у середовищі Visual Studio Community 2022 17.14.12, а сервер машинного навчання реалізовано мовою Python у середовищі Visual Studio Code 1.106.3.The object of research is a methodology for classifying and ranking software bug reports and a computer application that implements it. The purpose of the work is to study machine learning technologies and methods for text analysis and Natural Language Processing, as well as to create an effective model and a flexible tool in the form of a computer application for classifying and ranking software bug reports. Research methods: systematic analysis of the subject area, comparative analysis of models, modelling of classification and ranking processes, machine and deep learning, statistical estimation of effectiveness, prototyping of client-server architecture, object-oriented design, and software development. The results of the work can be used in the creation of tools for automated analysis and processing of bug reports, decision support systems in software quality assurance processes, as well as in research systems that require text classification and processing of reports. Development and experimental research were performed under Windows 11. The client part of the application was developed in C# using Visual Studio Community 2022 17.14.12, and the machine learning server was developed in Python in Visual Studio Code 1.106.3.