Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.123
Aluno: Renata Figuerêdo Lins
Orientadora: Profa. Flávia de Almeida Barros
Coorientador: Prof. Ricardo Bastos Cavalcante Prudêncio
Título: CR Analysis: Classificação de Change Requests em um Ambiente de
Fluxo de Dados
Data: 29/01/2024
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com a aluna
Banca Examinadora:
Prof. Alexandre Cabral Mota (UFPE / Centro de Informática)
Prof. Tiago Agostinho de Almeida (UFSCar / Departamento de Ciências da Computação)
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)
RESUMO:
Os testes de software são atividades essenciais para o desenvolvimento e a manutenção eficiente de um produto. Durante o ciclo de vida do software, diferentes tipos de teste são executados para garantir que as funcionalidades foram implementadas corretamente, ou para encontrar erros. Quando casos de teste falham, requisições de mudança (do inglês, Change Requests – CRs) descrevendo os erros encontrados são criadas pelos testadores e armazenadas nos repositórios associados a ferramentas de gerenciamento de software. As CRs são então inspecionadas em um processo de triagem, que visa identificar a criticidade dos erros e direcionar as requisições para as áreas responsáveis. A criticidade das CRs irá
determinar com qual nível de urgência os problemas relatados devem ser resolvidos. O processo de triagem costuma ser uma atividade custosa e demorada, pois geralmente é realizada manualmente. Como uma solução, a triagem pode ser automatizada com o uso de técnicas de Aprendizado de Máquina (AM) para classificar automaticamente a criticidade das CRs. Embora algoritmos tradicionais de AM tenham sido utilizados extensivamente na literatura para lidar com tarefas de classificação de texto dentro de domínios específicos, o desempenho de tais algoritmos pode se tornar incerto em ambientes de fluxos de dados na presença de mudanças de conceito. Fluxos de dados são comumente caracterizados por uma sequência de instâncias que se tornam disponíveis continuamente ao longo do tempo, sendo geradas de forma dinâmica e potencialmente ilimitadas em tamanho. Dessa forma, uma mudança de conceito significa que as propriedades dos dados se tornam não-estacionárias, e indicam que a estrutura e o conhecimento retido pelos modelos induzidos previamente podem se tornar obsoletos para a classificação de novos dados. Com isso, se torna imprescindível desenvolver aplicações mais precisas para tomada de decisão baseadas em dados. Neste sentido, esta dissertação investiga o uso de algoritmos de AM Online, bem como métodos de detecção de mudanças de conceitos, com o objetivo de resolver o problema de classificação de criticidade de CRs em um ambiente de fluxo de dados não-estacionário. Este trabalho foi desenvolvido no contexto de uma colaboração entre o CIn-UFPE e a Motorola Mobility, e teve como objetivo a criação de uma aplicação para automatizar o processo de
triagem e classificação de CRs. Os experimentos realizados para o desenvolvimento da aplicação apresentaram resultados bastante positivos, onde foi possível obter um modelo de classificação com a métrica Prequential-AUC de 80.23%, e uma Média Geométrica de 73.83%, sugerindo que a utilização de métodos de aprendizado online e algoritmos de detecção de mudança seja uma alternativa adequada para a resolução do problema em questão.
Palavras-chave: Classificação de Texto; Change Requests; Fluxos de Dados; Mudança de Conceito.
Comentários desativados