KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ NGHIÊN CỨU CÁC ĐỘ ĐO MÃ NGUỒN CHO BÀI TOÁN DỰ ĐOÁN LỖI PHẦN MỀM

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ NGHIÊN CỨU CÁC ĐỘ ĐO MÃ NGUỒN CHO BÀI TOÁN DỰ ĐOÁN LỖI PHẦN MỀM Mã số: T2018-07-07 Chủ nhiệm đề tài: ThS Hà Thị Minh Phương Đà Nẵng, 12/2018 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ NGHIÊN CỨU CÁC ĐỘ ĐO MÃ NGUỒN CHO BÀI TOÁN DỰ ĐOÁN LỖI PHẦN MỀM Mã số: T2018-07-07 Xác nhận quan chủ trì đề tài Đà Nẵng, 12/2018 Chủ nhiệm đề tài MỤC LỤC MỤC LỤC MỤC LỤC I DANH MỤC HÌNH VẼ DANH MỤC TỪ VIẾT TẮT THÔNG TIN KẾT QUẢ NGHIÊN CỨU MỞ ĐẦU I TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU THUỘC LĨNH VỰC ĐỀ TÀI TRONG VÀ NGOÀI NƯỚC NGOÀI NƯỚC TRONG NƯỚC II TÍNH CẤP THIẾT CỦA ĐỀ TÀI III MỤC TIÊU CỦA ĐỀ TÀI IV ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU V ĐỐI TƯỢNG NGHIÊN CỨU PHẠM VI NGHIÊN CỨU NỘI DUNG NGHIÊN CỨU CHƯƠNG 1: TỔNG QUAN VỀ ĐỘ ĐO PHẦN MỀM 1.1 TỔNG QUAN VỀ LỖI PHẦN MỀM 1.2 MỐI LIÊN HỆ GIỮA ĐỘ ĐO VÀ LỖI PHẦN MỀM 1.3 ĐỘ ĐO PHẦN MỀM 1.3.1 Độ đo mã nguồn (Code Metrics) 1.3.2 Độ đo quy trình (Process Metrics) 11 1.4 ÁP DỤNG CÁC ĐỘ ĐO PHẦN MỀM 11 1.5 KỸ THUẬT HỌC MÁY TRONG DỰ ĐOÁN LỖI PHẦN MỀM 12 1.5.1 Cây định (Decision Tree Classification) 12 1.5.2 Naïve Bayes 13 1.5.3 K-nearest Neighbor 13 1.5.4 Support Vector Machine (SVM) 15 1.6 XỬ LÝ DỮ LIỆU 16 1.6.1 Chuẩn hóa liệu 16 1.6.2 Giảm tiếng ồn (Noise reduction) 17 1.6.3 Lựa chọn thuộc tính (Attribute Selection) 18 1.7 CÁC ĐÁNH GIÁ ĐỘ ĐO 18 1.7.1 Phân loại đo lường 18 1.7.2 Thảo luận độ đo 22 CHƯƠNG 2: ĐỘ ĐO TRONG DỰ ĐOÁN LỖI PHẦN MỀM .24 2.1 GIỚI THIỆU 24 2.2 ĐỘ ĐO HƯỚNG ĐỐI TƯỢNG (OBJECT ORITEND METRICS) 24 2.2.1 Độ đo kích thước (Size) 25 2.2.2 Độ đo phụ thuộc (coupling) 25 2.2.3 Độ đo gắn kết (cohesion) 26 2.2.4 Độ đo thừa kế (Inheritcance Metrics) 26 2.2.5 Độ đo đa hình (Polymorphism Metrics) 27 2.2.6 Độ đo tái sử dụng (Reuse metrics) 27 CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM 28 1.1 CÂU HỎI NGHIÊN CỨU 28 1.2 CÁC GIẢ THUYẾT NGHIÊN CỨU 28 1.3 BIẾN PHỤ THUỘC (DEPENDENT VARIABLE) 28 i MỤC LỤC 1.4 BIẾN ĐỘC LẬP (INDEPENDENT VARIABLES) 29 1.5 THU THẬP DỮ LIỆU 29 KẾT LUẬN 33 KIẾN NGHỊ .33 TÀI LIỆU THAM KHẢO .34 ii DANH MỤC HÌNH VẼ DANH MỤC HÌNH VẼ Hình 1.1 Tần suất sử dụng độ đo phần mềm nghiên cứu 11 Hình 1.2 Cây định đơn giản 13 Hình 1.3 Ví dụ K-Nearest Neighbor 14 Hình 1.4 Ví dụ ROC 21 Hình 1.5 Đường cong Cost-effective curve 22 Hình 1.6 Tổng số biện pháp đánh giá độ đo sử dụng nghiên cứu dự đoán lỗi phần mềm (Nam, 2009) 23 Hình 3.1 Kỹ thuật phân tích OSSGrab 29 Hình 3.2 Tìm kiếm đơn giản kho OSS 30 Hình 3.3 Tìm kiếm nâng cao kho OSS 31 Trang DANH MỤC TỪ VIẾT TẮT DANH MỤC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt OSS Open Source System Hệ thống mã nguồn mở OO Object Oriented Hướng đối tượng CK Chidamber-Kemerer Độ đo Chidamber-Kemerer Support Vector Machine Máy vector hỗ trợ DT Decision Tree Cây định RF Random Forest Rừng ngẫu nhiên SVM Trang THÔNG TIN KẾT QUẢ NGHIÊN CỨU ĐẠI HỌC ĐÀ NẴNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN Độc lập – Tự – Hạnh phúc THÔNG TIN KẾT QUẢ NGHIÊN CỨU Thông tin chung: - Tên đề tài: Nghiên cứu độ mã nguồn cho toán dự đoán lỗi phần - mềm Mã số: T2018-07-07 - Chủ nhiệm: HÀ THỊ MINH PHƯƠNG - Thành viên tham gia: khơng - Cơ quan chủ trì: Trường Cao đẳng Công nghệ thông tin – Đại học Đà Nẵng Thời gian thực hiện: từ tháng 04/2018 đến tháng 12/2018 Mục tiêu: Nghiên cứu lý thuyết:  Tìm hiểu độ đo mã nguồn hướng cấu trúc  Tìm hiểu độ đo mã nguồn hướng đối tượng  Nghiên cứu áp dụng độ hướng đối tượng vào việc dự đoán lỗi phần mềm Áp dụng lý thuyết vào xây dựng cơng cụ dự đốn lỗi phần mềm nhằm tạo điều kiện để tiếp tục nghiên cứu xây dựng hệ thống dự đoán lỗi phần mềm dựa máy học để dự đoán số lỗi phần mềm… Tính sáng tạo: - Lỗi phần mềm tác động mạnh đến hệ thống phần mềm trình phát triển trình triển khai Để dự đốn khả xảy lỗi, tác giả nghiên cứu độ đo (metrics, từ lựa chọn độ đo có mối liên hệ với khả xả lỗi với ngơn ngữ lập trình cụ thể Tóm tắt kết nghiên cứu: - Trình bày tổng quan độ đo toán giải lỗi phần mềm cụ thể độ đo cấu trúc (Structure metrics) độ đo hướng đối tượng (Object Oriented metrics) Trang THÔNG TIN KẾT QUẢ NGHIÊN CỨU Đề tài trình bày việc mơ thực nghiệm áp dụng độ đo hướng đối - tượng việc đưa liên hệ độ đo với khả xảy lỗi cáchệ thống mã nguồn mở OSS viết C++ Tên sản phẩm: - Báo cáo tổng kết đề tài; - Bài báo đăng kỷ yếu hội thảo cấp trường Hiệu quả, phương thức chuyển giao kết nghiên cứu khả áp dụng: - Về mặt giáo dục - đào tạo: phục vụ công tác giảng dạy, nghiên cứu - Về mặt khoa học: đóng góp đáng kể đề tài trình bày độ đo liên quan mật thiết đến lỗi phần mềm, qua đưa độ đo có tính hiệu việc nhận biết lỗi phần mềm - Về sản phẩm ứng dụng: xây dựng hệ thống dự đốn lỗi phần mềm cơng nghệ phần mềm Hình ảnh, sơ đồ minh họa chính: Độ đo Lỗi Lỗi CBO - CBO 0.038 (0.84) RFC - NOC - WMC - LCOM - - RFC 0.495 (0.005) 0.528 (0.003) NOC 0.36 (0.05) 0.306 (0.10) 0.38 (0.038) - - - WMC 0.17 (0369) 0.278 (0.137) 0.533 (0.002) -0.305 (0.101) LCOM 0.058 (0.76) 0.423 (0.02) 0.244 (0.195) -0.032 (0.867) 0.544 (0.002) Bảng 0.1: Phân tích tương quan Spearman độ đo Đà Nẵng, ngày 08 tháng 12 năm 2018 Cơ quan chủ trì Chủ nhiệm đề tài Hà Thị Minh Phương Trang MỞ ĐẦU MỞ ĐẦU I TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU THUỘC LĨNH VỰC ĐỀ TÀI TRONG VÀ NGOÀI NƯỚC Ngồi nước Độ đo (metric) đóng vai trị quan trọng để phát triển phần mềm có chất lượng tốt The IEEE Standard Glossary of Software Engineering Terms định nghĩa độ đo thước đo định lượng đến hệ thống, thành phần q trình có thuộc tính định Có nhiều loại độ đo khác trình bày tài liệu để đo lường sản phẩm phần mềm Trong phát triển phần mềm nay, ngôn ngữ hướng đối tượng (Object Oriented) sử dụng đặc tính chúng lớp, đối tượng, che dấu thơng tin, thừa kế, đóng gói, trìu tượng đa hình Ngồi ra, độ đo hướng đối tượng có sẵn sử dụng để đo chất lượng hệ thống hướng đối tượng Trong nước Hiện có nhiều nghiên cứu độ đo hướng đối tượng ngôn ngữ lập trình C++, Java,… Các độ đo có ích cho việc đánh giá phát triển trúc không ảnh hưởng đến thiết kế mà sử dụng ngôn ngữ OO Có nhiều mơ hình độ đo hướng đối tượng có sẵn số tác giả đề xuất cách để đo lường giá trị độ đo mã nguồn hướng đối tượng Một nghiên cứu ước tính tiết kiệm chi phí bảo trì sửa chữa 42% cách sử dụng độ đo mã nguồn hướng đối tượng II TÍNH CẤP THIẾT CỦA ĐỀ TÀI Việc đo lường phần mềm có tầm quan trọng việc phát triển phần mềm Nhiều độ đo đề xuất lien quan đến cấu trúc khác lớp, phụ thuộc, thừa kế, che dầu thông tin đa hình Rất khó để xác định độ đo tốt Do đó, khó cho nhà quản lý người thực dự án lựa chọn độ đo cho hệ thống hướng đối tượng Trong đó, độ đo OO (Object Oriented) độ đo hệ thống hướng đối tượng để xác định thành cơng hay thất bại quy trình, để xác định có định lượng cải tiến quy trình phần mềm Độ đo sử dụng để cải tiến kỹ thuật lập trình hướng đối tượng tăng tính tin cậy mã nguồn Xét thấy vậy, nghiên cứu độ đo mã nguồn hướng đối tượng so sánh với độ đo mã nguồn hướng cấu trúc Từ đưa dự đoán lỗi phần mềm dựa độ đo III MỤC TIÊU CỦA ĐỀ TÀI Nghiên cứu lý thuyết: Trang MỞ ĐẦU  Tìm hiểu độ đo mã nguồn hướng cấu trúc  Tìm hiểu độ đo mã nguồn hướng đối tượng  Nghiên cứu áp dụng độ hướng đối tượng vào việc dự đoán lỗi phần mềm Áp dụng lý thuyết vào xây dựng cơng cụ dự đốn lỗi phần mềm nhằm tạo điều kiện để tiếp tục nghiên cứu xây dựng hệ thống dự đoán lỗi phần mềm dựa máy học để dự đoán số lỗi phần mềm… IV ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Đối tượng nghiên cứu - Độ đo mã nguồn cấu trúc độ đo mã nguồn hướng đối tượng: Sách, báo, - Giá trị độ đo Phạm vi nghiên cứu Nghiên cứu độ đo mã nguồn dựa - Tiếp cận dựa vào lý luận - Tiếp cận dựa vào thống kê - Tiếp cận dựa hai phương pháp V NỘI DUNG NGHIÊN CỨU Tìm hiểu độ đo mã nguồn hướng cấu trúc độ đo mã nguồn hướng đối tượng Nghiên cứu phân tích giá trị độ đo dự đoán lỗi phần mềm Xây dựng cơng cụ dự đốn lỗi phần mềm dựa độ đo mã nguồn hướng đối tượng Viết báo cáo tổng kết đề tài Trang Chương 3: KẾT QUẢ THỰC NGHIỆM hiển thị trang kết quả, người dùng chọn số lượng trang lớn hơn, thời gian tìm kiếm lâu Hình 3.3 Tìm kiếm nâng cao kho OSS Các kết đầu tạo CSV HTML định dạng Người dùng xếp đầu dựa tiêu đề cột Liên kết tải xuống cột kết nối người dùng tải xuống hệ thống SourceForge Điều cung cấp quyền truy cập nhanh vào hệ thống người dùng trực tiếp tải xuống hệ thống Từ quan điểm nghiên cứu, điều sở cung cấp cho nhà nghiên cứu nhiều lựa chọn hệ thống để lựa chọn Trong kỹ thuật phần mềm thực nghiệm, nhà nghiên cứu cần tìm nhiều liệu có thể, đặc biệt họ muốn xây dựng mơ hình dự báo, để đảm bảo mơ hình tổng qt cho tổng thể nói chung Sau đó, mã nguồn hệ thống chọn tải xuống thực thi thơng qua cơng cụ có tên Understand [16], tạo tập hợp độ đo i e., CBO, WMC, DIT, LCOM, NOC RFC Kết sau phân tích sử dụng phần mềm thống kê, SPSS Thống kê mô tả cho biến độc lập thể Bảng 3.1 Số lượng quan sát cỡ mẫu cho nghiên cứu 30 hệ thống Cột “Std Dev”, “Min”, “Max” đại diện cho giá trị trung bình, độ lệch chuẩn, giá trị tối thiểu tối đa cho độ đo xem xét, tương ứng Trang 31 Chương 3: KẾT QUẢ THỰC NGHIỆM Bảng 3.1 Thống kê kết theo SPSS Độ đo CBO WMC LCOM DIT NOC RFC Mean 0.63 0.24 14.50 0.18 0.00 3.33 Std.Dev 48.33 21 367.67 24 27.33 88.65 Min 5.90 12.47 54.83 1.55 1.31 23.48 Max 8.28 4.71 60.25 4.26 4.92 15.67 Phân tích ban đầu liệu cho thấy phân phối khơng bình thường Do đó, để phân tích tương quan, Spearman phân tích tương quan thực Kết tổng thể phân tích spearman thể bảng 3.1 Trong bảng 3.2, hàng đại diện cho giá trị cho hệ số tương quan Spearman hai biến, hàng (trong ngoặc đơn) đại diện cho giá trị p cho tương quan Kết Bảng II cho thấy có RFC NOC có ý nghĩa quan trọng việc dự đoán lỗi (Spearman corr = 0.495, p-value = 0.005) (Spearman corr = 0.36, p-value = 0.05) Bảng 3.2 Phân tích tương quan Spearman biến Độ đo Lỗi Lỗi CBO - CBO 0.038 (0.84) RFC - NOC - WMC - LCOM - - RFC 0.495 (0.005) 0.528 (0.003) NOC 0.36 (0.05) 0.306 (0.10) 0.38 (0.038) - - - WMC 0.17 (0369) 0.278 (0.137) 0.533 (0.002) -0.305 (0.101) LCOM 0.058 (0.76) 0.423 (0.02) 0.244 (0.195) -0.032 (0.867) 0.544 (0.002) Dựa kết quả, kết luận giả thuyết nghiên cứu H4 H5 hỗ trợ Tuy nhiên, kết H1, H2, H3 H6 không hỗ trợ Trang 32 KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN Đề tài nghiên cứu độ đo (metrics) để tìm mối liên hệ độ đo với lỗi có khả xảy hệ thống Mặc dù có nhiều độ đo đề xuất độ đo mã nguồn, độ đo quy trình… Trong nghiên cứu này, chúng tơi tập trung vào độ đo hướng đối tượng Chidamber Kemerer để đo lường hệ thống mở khả xảy lỗi.Việc áp dụng độ đo thiết kế hướng đối tượng (OO) để đo lường chất lượng hệ thống nguồn mở giúp hiểu mối quan hệ độ đo với khả xảy lỗi hệ thống Chúng tơi tìm cách kiểm tra độ đo sử dụng để dự đốn lỗi hệ thống hướng đối tượng (Object Oriented), đặc biệt hệ thống viết C ++ Kết cho thấy độ đo RFC NOC có ý nghĩa quan trọng việc dự đốn khả xảy lỗi Tuy nhiên nghiên cứu sử dụng tập hợp liệu từ mã nguồn mở để kiểm tra số độ đo có mối quan hệ với khả xảy lỗi phần mềm ngơn ngữ lập trình C++, chưa đưa đề xuất mang tính cụ thể sau: - Chưa nghiên cứu kỹ thuật học máy ứng dụng để kiểm tra độ đo có mối tương quan với lỗi - Chưa đề xuất độ đo phù hợp với khả dự báo lỗi ngôn ngữ khác Java, C#,C++… KIẾN NGHỊ Từ kết đạt được, tác giả kiến nghị hướng nghiên cứu sau: Thu thập độ đo phần mềm liệu lỗi thực Đơi liệu lỗi khơng có sẵn Các nghiên cứu tương lai cố gắng trả lời câu hỏi liệu mơ hình dự đốn lỗi học liệu có việc áp dụng kỹ thuật máy học Chúng nghiên cứu kỹ thuật học máy việc dự đoán lỗi với dựa độ đo Hiện có nhiều kỹ thuật học máy áp dụng định (decision tree), Bayesian network, Naïve Bayes, Bayesian Regularization (BR), Support Vector Machine (SVM), Dựa kết thu nghiên cứu kỹ thuật học máy trên, chúng tơi có kế hoạch cải tiến thuật tốn SVM để xây dựng mơ hình dự đoán lỗi đồng thời đưa đề xuất cho độ đo phù hợp với ngữ cảnh cụ thể ngơn ngữ lập trình cụ thể Trang 33 TÀI LIỆU THAM KHẢO TÀI LIỆU THAM KHẢO Tiếng Anh: [1] Mary Jean Harrold Testing: a roadmap In ICSE ’00: Proceedings of the Conference on The Future of Software Engineering, pages 61–72, New York, NY, USA, 2000 ACM [2] Rupa Mahanti and Jiju Antony Confluence of six sigma, simulation and software development Managerial Auditing Journal, 20(7):739–762, 2005 [3] Salah Bouktif, Danielle Azar, Doina Precup, Houari Sahraoui, and Balazs Kegl Improving rule set based software quality prediction: A genetic algorithm-based approach Journal of Object Technology, 3(4):227–241, 2004 [4] Norman E Fenton and Niclas Ohlsson Quantitative analysis of faults and failures in a complex software system IEEE Trans Softw Eng., 26(8):797– 814, 2000 [5] Manfred Broy, Florian Deissenboeck, and Markus Pizka Demystifying maintainability In WoSQ ’06: Proceedings of the 2006 international workshop on Software quality, pages 21–26, New York, NY, USA, 2006 ACM [6] Victor R Basili, Lionel C Briand, and Walc´elio L Melo A validation of object-oriented design metrics as quality indicators IEEE Trans Softw Eng., 22(10):751–761, 1996 [7] Khaled El Emam, Walcelio Melo, and Javam C Machado The prediction of faulty classes using object-oriented design metrics J Syst Softw., 56(1):63– 75, 2001 [8] Tibor Gyimothy, Rudolf Ferenc, and Istvan Siket Empirical validation of objectoriented metrics on open source software for fault prediction IEEE Trans Softw Eng., 31(10):897–910, 2005 [9] Hector M Olague, Letha H Etzkorn, Sampson Gholston, and Stephen Quattlebaum Empirical validation of three software metrics suites to predict faultproneness of object-oriented classes developed using highly iterative or agile software development processes IEEE Trans Softw Eng., 33(6):402– 419, 2007 [10] Nachiappan Nagappan, Thomas Ball, and Andreas Zeller Mining metrics to predict component failures In ICSE ’06: Proceedings of the 28th international Trang 34 TÀI LIỆU THAM KHẢO conference on Software engineering, pages 452–461, New York, NY, USA, 2006 ACM [11] Zheng, J (2010) Cost-sensitive boosting neural networks for software defect prediction Expert Systems with Applications, 37(6), 4537-4543 [12] Whittaker, J (2000) What is software testing? And why is it so hard? Software, IEEE, 17(1), 70-79 [13] Cem Kaner, J D., Hendrickson, E., & Smith-Brock, J (2001) MANAGING THE PROPORTION OF TESTERS TO (OTHER) DEVELOPERS [14] Bieman, J M (1997) Software Metrics: A Rigorous & Practical Approach IBM Systems Journal, 36(4), 594 [15] Nam, J (2009) Survey on Software Defect Prediction Master's Thesis [16] Akiyama, F (1971) An Example of Software System Debugging In Proceedings of the International Federation of Information Processing Societies Congress, pages 353–359 [17] D’Ambros, M., Lanza, M., & Robbes, R (2012) Evaluating defect prediction approaches: a benchmark and an extensive comparison Empirical Software Engineering, 17(4-5), 531-577 [18] Menzies, T., Dekhtyar, A., Distefano, J., & Greenwald, J (2007) Problems with precision: A response to “comments on ‘data mining static code attributes to learn defect predictors’” IEEE Transactions on Software Engineering, 33(9), 637 [19] Shihab, E., Mockus, A., Kamei, Y., Adams, B., & Hassan, A E (2011) Highimpact defects: a study of breakage and surprise defects Paper presented at the Proceedings of the 19th ACM SIGSOFT symposium and the 13th European conference on Foundations of software engineering [20] Song, Q., Jia, Z., Shepperd, M., Ying, S., & Liu, S Y J (2011) A general software defect-proneness prediction framework Software Engineering, IEEE Transactions on, 37(3), 356-370 [21] Turhan, B., Menzies, T., Bener, A B., & Di Stefano, J (2009) On the relative value of cross-company and within-company data for defect prediction Empirical Software Engineering, 14(5), 540-578 [22] Song, Q., Jia, Z., Shepperd, M., Ying, S., & Liu, S Y J (2011) A general software defect-proneness prediction framework Software Engineering, IEEE Transactions on, 37(3), 356-370 [23] Chidamber, S R., & Kemerer, C F (1994) A metrics suite for object oriented design Software Engineering, IEEE Transactions on, 20(6), 476-493 Trang 35 TÀI LIỆU THAM KHẢO [24] Tang, M H., Kao, M H., & Chen, M H (1999) An empirical study on object-oriented metrics In Proceedings of the 1999 international workshop on Software metric symposium (pp 242-249) IEEE [25] Subramanyam, R., & Krishnan, M S (2003) Empirical analysis of ck metrics for objectoriented design complexity: Implications for software defects Software Engineering, IEEE Transactions on, 29(4), 297-310 [26] D’Ambros, M., Lanza, M., & Robbes, R (2012) Evaluating defect prediction approaches: a benchmark and an extensive comparison Empirical Software Engineering, 17(4-5), 531-577 [27] Rahman, F., Posnett, D., & Devanbu, P (2012) Recalling the imprecision of crossproject defect prediction Paper presented at the Proceedings of the ACM SIGSOFT 20th International Symposium on the Foundations of Software Engineering [28] Moser, R., Pedrycz, W., & Succi, G (2008) A comparative analysis of the efficiency of change metrics and static code attributes for defect prediction Paper presented at the Software Engineering, 2008 ICSE'08 ACM/IEEE 30th International Conference on [29] Lee, T., Nam, J., Han, D., Kim, S., & In, H P (2011) Micro interaction metrics for defect prediction Paper presented at the Proceedings of the 19th ACM SIGSOFT symposium and the 13th European conference on Foundations of software engineering [30] Smola, A., & Vishwanathan, S V N (2008) Introduction to machine learning Cambridge University, UK, 32-34 [31] Japkowicz, N., & Shah, M (2011) Evaluating learning algorithms: a classification perspective Cambridge University Press [32] Quinlan, J R (1986) Induction of decision trees Machine learning, 1(1), 81106 [33] "Knab, P., Pinzger, M., & Bernstein, A (2006, May) Predicting defect densities in source code files with decision tree learners In Proceedings of the 2006 international workshop on Mining software repositories (pp 119-125) ACM." [34] Giger, E., D'Ambros, M., Pinzger, M., & Gall, H C (2012) Method-level bug prediction Paper presented at the Proceedings of the ACM-IEEE international symposium on Empirical software engineering and measurement [35] Quinlan, J R (1986) Induction of decision trees Machine learning, 1(1), 81106 Trang 36 TÀI LIỆU THAM KHẢO [36] Bishop, C M (2006) Pattern recognition and machine learning springer [37] Langley, P., & Sage, S (1994, July) Induction of selective Bayesian classifiers In Proceedings of the Tenth international conference on Uncertainty in artificial intelligence (pp 399-406) Morgan Kaufmann Publishers Inc [38] Cover, T., & Hart, P (1967) Nearest neighbor pattern classification Information Theory, IEEE Transactions on, 13(1), 21-27 [39] Turhan, B., Menzies, T., Bener, A B., & Di Stefano, J (2009) On the relative value of cross-company and within-company data for defect prediction Empirical Software Engineering, 14(5), 540-578 [40] Belongie, S., Malik, J., & Puzicha, J (2002) Shape matching and object recognition using shape contexts Pattern Analysis and Machine Intelligence, IEEE Transactions on, 24(4), 509-522 [41] Black, P E (2006) Manhattan distance Dictionary of Algorithms and Data Structures, 18, 2012 [42] Deza, M M., & Deza, E (2009) Encyclopedia of distances (pp 1-583) Springer Berlin Heidelberg [43] Mahalanobis, P C (1936) On the generalized distance in statistics Proceedings of the National Institute of Sciences (Calcutta), 2, 49-55 [44] Khoshgoftaar, T M., & Seliya, N (2003) Analogy-based practical classification rules for software quality estimation Empirical Software Engineering, 8(4), 325-350 [45] Ganesan, K., Khoshgoftaar, T M., & Allen, E B (2000) Case-based software quality prediction International Journal of Software Engineering and Knowledge Engineering, 10(02), 139-152 [46] Cunningham, P., & Delany, S J (2007) k-Nearest neighbour classifiers Multiple Classifier Systems, 1-17 [47] Elish, K O., & Elish, M O (2008) Predicting defect-prone software modules using support vector machines Journal of Systems and Software, 81(5), 649660 [48] Cristianini, N., & Shawe-Taylor, J (2000) An introduction to support vector machines and other kernel-based learning methods Cambridge university press [49] Kotsiantis, S., Kanellopoulos, D., & Pintelas, P (2006) Data preprocessing for supervised leaning International Journal of Computer Science, 1(2), 111117 Trang 37 TÀI LIỆU THAM KHẢO [50] Graf, A B., & Borer, S (2001) Normalization in support vector machines Pattern Recognition (pp 277-282): Springer [51] Boetticher, G D (2005) Nearest neighbor sampling for better defect prediction ACM SIGSOFT Software Engineering Notes, 30(4), 1-6 [52] Juszczak, P., Tax, D., & Duin, R P W (2002) Feature scaling in support vector data description In Proc ASCI (pp 95-102) [53] Han, J., Kamber, M., & Pei, J (2012), Data mining : concepts and techniques, 3rd ed Waltham, Mass.: Elsevier/Morgan Kaufmann [54] Shivaji, S., Whitehead, E J., Akella, R., & Kim, S (2013) Reducing features to improve code change-based bug prediction Software Engineering, IEEE Transactions on, 39(4), 552-569 [55] Hall, M (2000) Correlation-based feature selection for discrete and numeric class machinelearning,! Proceedings of th7 IntentionalConference onMachine Learning,.Stanford University Trang 38 ĐẠI HỌC ĐÀ NẴNG CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN Độc lập - Tự - Hạnh phúc THUYẾT MINH ĐỀ TÀI KHOA HỌC & CÔNG NGHỆ CẤP CƠ SỞ (DO TRƯỜNG CAO ĐẲNG CÔNG NGHỆ THÔNG TIN QUẢN LÝ) Nghiên cứu độ đo mã nguồn cho toán dự MÃ SỐ T2018-07-07 đoán lỗi phần mềm TÊN ĐỀ TÀI: LĨNH VỰC NGHIÊN CỨU LOẠI HÌNH NGHIÊN CỨU Tự nhiên Kỹ thuật Kinh tế; XH-NV Nông Lâm ATLĐ Y Dược Sở hữu trí tuệ Giáo dục THỜI GIAN THỰC HIỆN x Cơ Môi trường Ứng dụng Triển Khai x x tháng Từ tháng 04 năm 2018 đến tháng 12 năm 2018 CƠ QUAN CHỦ TRÌ ĐỀ TÀI (đơn vị thành viên ĐHĐN) Tên quan: Trường Cao đẳng Công nghệ Thông tin Điện thoại: 0511.3667117 E-mail: Địa chỉ: Làng Đại học, Phường Hòa Quý, Q Ngũ Hành Sơn, TP Đà Nẵng Họ tên thủ trưởng quan chủ trì: PGS.TS Huỳnh Cơng Pháp CHỦ NHIỆM ĐỀ TÀI Họ tên: Hà Thị Minh Phương Chức danh khoa học: Địa quan: Điện thoại quan: 02366552688 Di động: 0987710719 E-mail: htmphuong@sict.udn.vn Học vị: Thạc sĩ Năm sinh: 08/05/1986 Địa nhà riêng: Điện thoại nhà riêng : Fax: NHỮNG THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI TT Họ tên Đơn vị công tác lĩnh vực chuyên môn Nội dung nghiên cứu cụ thể giao Chữ ký ĐƠN VỊ PHỐI HỢP CHÍNH Tên đơn vị nước Nội dung phối hợp nghiên cứu Họ tên người đại diện đơn vị 10 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU THUỘC LĨNH VỰC CỦA ĐỀ TÀI Ở TRONG VÀ NGỒI NƯỚC 10.1 Ngồi nước (phân tích, đánh giá tình hình nghiên cứu thuộc lĩnh vực đề tài giới, liệt kê danh mục cơng trình nghiên cứu, tài liệu có liên quan đến đề tài trích dẫn đánh giá tổng quan) Độ đo (metric) đóng vai trị quan trọng để phát triển phần mềm có chất lượng tốt The IEEE Standard Glossary of Software Engineering Terms định nghĩa độ đo thước đo định lượng đến hệ thống, thành phần trình có thuộc tính định Có nhiều loại độ đo khác trình bày tài liệu để đo lường sản phẩm phần mềm Trong phát triển phần mềm nay, ngôn ngữ hướng đối tượng (Object Oriented) sử dụng đặc tính chúng lớp, đối tượng, che dấu thơng tin, thừa kế, đóng gói, trìu tượng đa hình Ngồi ra, độ đo hướng đối tượng có sẵn sử dụng để đo chất lượng hệ thống hướng đối tượng 10.2 Trong nước (phân tích, đánh giá tình hình nghiên cứu thuộc lĩnh vực đề tài Việt Nam, liệt kê danh mục cơng trình nghiên cứu, tài liệu có liên quan đến đề tài trích dẫn đánh giá tổng quan) Hiện có nhiều nghiên cứu độ đo hướng đối tượng ngôn ngữ lập trình C++, Java,… Các độ đo có ích cho việc đánh giá phát triển trúc không ảnh hưởng đến thiết kế mà sử dụng ngôn ngữ OO Có nhiều mơ hình độ đo hướng đối tượng có sẵn số tác giả đề xuất cách để đo lường giá trị độ đo mã nguồn hướng đối tượng Một nghiên cứu ước tính tiết kiệm chi phí bảo trì sửa chữa 42% cách sử dụng độ đo mã nguồn hướng đối tượng 10.3 Danh mục cơng trình cơng bố thuộc lĩnh vực đề tài chủ nhiệm thành viên tham gia nghiên cứu (họ tên tác giả; báo; ấn phẩm; yếu tố xuất bản) 11 TÍNH CẤP THIẾT CỦA ĐỀ TÀI Việc đo lường phần mềm có tầm quan trọng việc phát triển phần mềm Nhiều độ đo đề xuất lien quan đến cấu trúc khác lớp, phụ thuộc, thừa kế, che dầu thông tin đa hình Rất khó để xác định độ đo tốt Do đó, khó cho nhà quản lý người thực dự án lựa chọn độ đo cho hệ thống hướng đối tượng Trong đó, độ đo OO (Object Oriented) độ đo hệ thống hướng đối tượng để xác định thành cơng hay thất bại quy trình, để xác định có định lượng cải tiến quy trình phần mềm Độ đo sử dụng để cải tiến kỹ thuật lập trình hướng đối tượng tăng tính tin cậy mã nguồn Xét thấy vậy, nghiên cứu độ đo mã nguồn hướng đối tượng so sánh với độ đo mã nguồn hướng cấu trúc Từ đưa dự đoán lỗi phần mềm dựa độ đo 12 MỤC TIÊU ĐỀ TÀI Nghiên cứu lý thuyết:  Tìm hiểu độ đo mã nguồn hướng cấu trúc  Tìm hiểu độ đo mã nguồn hướng đối tượng  Nghiên cứu áp dụng độ hướng đối tượng vào việc dự đoán lỗi phần mềm Áp dụng lý thuyết vào xây dựng cơng cụ dự đốn lỗi phần mềm nhằm tạo điều kiện để tiếp tục nghiên cứu xây dựng hệ thống dự đoán lỗi phần mềm dựa máy học để dự đoán số lỗi phần mềm… 13 ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU 13.1 Đối tượng nghiên cứu  Độ đo mã nguồn cấu trúc độ đo mã nguồn hướng đối tượng: Sách, báo,  Giá trị độ đo  Một số tập liệu NASA open source PROMISE 13.2 Phạm vi nghiên cứu: Độ đo mã nguồn cấu trúc độ đo mã nguồn hướng đối tượng, tập liệu NASA PROMISE 14 CÁCH TIẾP CẬN, PHƯƠNG PHÁP NGHIÊN CỨU 14.1 Cách tiếp cận Nghiên cứu độ đo mã nguồn dựa  Tiếp cận dựa vào lý luận  Tiếp cận dựa vào thống kê  Tiếp cận dựa hai phương pháp 14.2 Phương pháp nghiên cứu: Với phương pháp tiếp cận lựa chọn phương pháp thống kê để đưa giá trị độ đo việc dự đoán lỗi phần mềm 15 NỘI DUNG NGHIÊN CỨU VÀ TIẾN ĐỘ THỰC HIỆN 15.1 Nội dung nghiên cứu (trình bày dạng đề cương nghiên cứu chi tiết)  Tìm hiểu độ đo mã nguồn hướng cấu trúc độ đo mã nguồn hướng đối tượng  Nghiên cứu phân tích giá trị độ đo dự đốn lỗi phần mềm  Xây dựng cơng cụ dự đoán lỗi phần mềm dựa độ đo mã nguồn hướng đối tượng  Viết báo cáo tổng kết đề tài 15.2 Tiến độ thực STT Các nội dung, công việc thực Nghiên cứu tổng quan độ đo mã nguồn hướng cấu trúc độ đo mã nguồn hướng đối tượng Nghiên cứu phân tích giá trị độ đo dự đoán lỗi phần mềm Xây dựng cơng cụ dự đốn lỗi phần mềm dựa độ đo mã nguồn hướng đối tượng Ứng dụng nguồn liệu thử nghiệm cho toán dự đoán lỗi phần mềm Viết báo cáo tổng kết đề tài Sản phẩm Thời gian (bắt đầu-kết thúc) Người thực Báo cáo 04/201805/2018 Hà Thị Minh Phương Báo cáo 06/201807/2018 Hà Thị Minh Phương Báo cáo Phần mềm 08/201809/2018 Hà Thị Minh Phương Báo cáo Phần mềm 10/201811/2018 Hà Thị Minh Phương Báo cáo 11/201812/2018 Hà Thị Minh Phương 16 SẢN PHẨM 16.1 Sản phẩm khoa học Bài báo đăng tạp chí nước ngồi Bài báo đăng tạp chí nước Bài đăng kỷ yếu hội nghị, hội thảo quốc tế Sản phẩm khác (giáo trình, tài liệu tham khảo… x 16.2 Sản phẩm đào tạo Cao học NCS 16.3.Sản phẩm ứng dụng Mẫu Giống trồng Tiêu chuẩn Tài liệu dự báo Phương pháp Dây chuyền công nghệ Vật liệu Giống vật ni Qui phạm Đề án Chương trình máy tính Báo cáo phân tích Thiết bị máy móc Qui trình cơng nghệ Sơ đồ, thiết kế Luận chứng kinh tế Bản kiến nghị Bản quy hoạch 16.4 Các sản phẩm khác…………………………………………………… 16.5 Tên sản phẩm, số lượng yêu cầu khoa học sản phẩm Stt Tên sản phẩm Số lượng Yêu cầu khoa học Bài báo Hội thảo CITA tương 01 Có chất lượng đương quốc tế Phần mềm dự đoán lỗi (C++) 01 Dự đoán lỗi hiệu Báo cáo tổng kết 01 Có chất lượng, đầy đủ 17 HIỆU QUẢ (giáo dục đào tạo, kinh tế - xã hội) - Về mặt giáo dục - đào tạo: phục vụ công tác giảng dạy, nghiên cứu - Về mặt khoa học: đóng góp đáng kể đề tài trình bày độ đo liên quan mật thiết đến lỗi phần mềm, qua đưa độ đo có tính hiệu việc nhận biết lỗi phần mềm - Về sản phẩm ứng dụng: xây dựng hệ thống dự đoán lỗi phần mềm công nghệ phần mềm 18 PHƯƠNG THỨC CHUYỂN GIAO KẾT QUẢ NGHIÊN CỨU VÀ ĐỊA CHỈ ỨNG DỤNG Phần mềm cài đặt máy tính Tư liệu cơng cụ phục vụ cho việc dự đốn lỗi phần mềm, đặc biệt ngơn ngữ lập trình hướng đối tượng với C++ 19 KINH PHÍ THỰC HIỆN ĐỀ TÀI VÀ NGUỒN KINH PHÍ Tổng kinh phí: 8.900.000 VNĐ Trong đó: Ngân sách Nhà nước: 8.900.000 VNĐ Các nguồn kinh phí khác: Dự trù kinh phí theo mục chi (phù hợp với nội dung nghiên cứu): Đơn vị tính: đồng Stt 10 Khoản chi, nội dung chi Tổng kinh phí Chi tiền cơng lao động trực tiếp Chi mua vật tư, nguyên, nhiên, vật liệu Chi sửa chữa, mua sắm tài sản cố định Chi hội thảo KH, cơng tác phí Chi trả dịch vụ th ngồi phục vụ hoạt động nghiên cứu Chi điều tra, khảo sát thu thập số liệu Chi văn phịng, phẩm, thơng tin liên lạc, in ấn Chi nghiệm thu đề tài Chi quản lý chung Chi khác Tổng cộng Nguồn kinh phí Kinh phí từ NSNN 6.240.000 6.240.000 935.000 935.000 1.280.000 1.280.000 445.000 445.000 8.900.000 8.900.000 Ghi Các nguồn khác Ngày…tháng…năm 2018 TM HỘI ĐỒNG KH&ĐT ĐƠN VỊ Ngày … tháng … năm 2018 Chủ nhiệm đề tài (ký, họ tên) (ký, họ tên) Đà Nẵng, ngày…tháng…năm…… Cơ quan Chủ trì duyệt HIỆU TRƯỞNG DỰ TỐN KINH PHÍ ĐỀ TÀI KH&CN CẤP CƠ SỞ NĂM 2018 Tên đề tài: Nghiên cứu độ đo mã nguồn cho toán dự đốn lỗi phần mềm Đơn vị tính: VN đồng Dự tốn kinh phí STT Các khoản chi phí Chi tiền công lao động trực tiếp Chi mua vật tư, nguyên vật liệu Số ngày cơng Nguồn kinh phí Kinh phí Các nguồn từ NSNN khác Tổng kinh phí 24 6.240.000 6.240.000 935.000 935.000 1.280.000 1.280.000 445.000 445.000 8.900.000 8.900.000 Chi sửa chữa, mua sắm tài sản cố định Chị hội thảo khoa học, cơng tác phí Chi trả dịch vụ th phục vụ nghiên cứu Chi điều tra, khảo sát thu thập số liệu Văn phịng phẩm, thơng tin liên lạc, in ấn Chi nghiệm thu đề tài Quản lý chung nhiệm vụ KHCN 10 Chi khác liên quan Tổng cộng BẢNG CHI TIẾT SỐ CÔNG THỰC HIỆN ĐỀ TÀI CỦA CÁC THÀNH VIÊN STT Họ tên Hà Thị Minh Phương Chức danh Chủ nhiệm Hệ số Ngày công 0,2 24 Tổng cộng Nội dung, công việc Kết quả, sản phẩm Thời gian thực Nghiên cứu tổng quan độ đo mã nguồn hướng cấu trúc độ đo mã nguồn hướng đối tượng Báo cáo 04/2018 – 05/2018 Báo cáo 06/201807/2018 Nghiên cứu phân tích giá trị độ đo 6.240.000 6.240.000 STT Thành tiền Cá nhân thực – Số ngày thực Hà Thị Minh Phương -5 Hà Thị Minh Phương –3 STT Nội dung, công việc Kết quả, sản phẩm Thời gian thực Cá nhân thực – Số ngày thực 08/201809/2018 Hà Thị Minh Phương –8 10/201811/2018 Hà Thị Minh Phương -6 11/201812/2018 Hà Thị Minh Phương -2 dự đoán lỗi phần mềm Xây dựng cơng cụ dự đốn lỗi phần mềm dựa độ đo mã nguồn hướng đối tượng Ứng dụng nguồn liệu thử nghiệm cho toán dự đoán lỗi phần mềm Báo cáo Phần mềm Báo cáo Phần mềm Viết báo cáo tổng kết đề tài Báo cáo Đà Nẵng, ngày tháng năm 2018 Cơ quan Chủ trì Chủ nhiệm đề tài HIỆU TRƯỞNG