검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

TFIDF-FL: Localizing Faults Using Term Frequency-Inverse Document Frequency and Deep Learning TFIDF-FL: 용어 빈도-역 문서 빈도 및 딥 러닝을 사용하여 오류 위치 파악

Zhuo ZHANG, Yan LEI, Jianjun XU, Xiaoguang MAO, Xi CHANG

  • 조회수

    0

  • 이것을 인용

요약 :

기존 신경망 기반 결함 위치 파악은 명령문이 오류인지 여부에 대한 정보를 활용합니다. 처형 된 or 실행되지 않음 잠재적으로 실패의 원인이 되는 의심스러운 진술을 식별합니다. 그러나 정보는 명령문의 바이너리 실행 상태만 표시할 뿐 명령문이 실행에 얼마나 중요한지는 보여줄 수 없습니다. 결과적으로 결함 위치 파악 효율성이 저하될 수 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 용어 빈도-역 문서 빈도를 이용하여 실행 시 명령문의 영향력이 높은지 낮은지를 식별하는 TFIDF-FL을 제안합니다. 8개의 실제 프로그램에 대한 경험적 결과에 따르면 TFIDF-FL은 결함 위치 파악 효율성을 크게 향상시키는 것으로 나타났습니다.

발행
IEICE TRANSACTIONS on Information Vol.E102-D No.9 pp.1860-1864
발행일
2019/09/01
공개일
2019/05/27
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2018EDL8237
원고의 종류
LETTER
범주
소프트웨어 공학

작성자

Zhuo ZHANG
  National University of Defense Technology
Yan LEI
  Chongqing University
Jianjun XU
  National University of Defense Technology
Xiaoguang MAO
  National University of Defense Technology
Xi CHANG
  National University of Defense Technology

키워드