Методи і засоби тестування програмного забезпечення комп’ютерних систем з використанням алгоритмів машинного навчання

Abstract

Метою роботи є дослідження методів і засобів тестування програмного забезпечення та імплементація алгоритмів машинного навчання для автоматичної класифікації вимог та прогнозування дефектів програмного коду У дослідженні проведено аналіз важливих понять, принципів і послідовності виконання процесів, що використовуються при проектуванні комп’ютерних систем, зокрема, термінологічні особливості у процесі імплементації програмного забезпечення на етапі тестування, що дало змогу зрозуміти і в подальшому визначити шляхи імплементації методів машинного навчання для підвищення ефективності виконання стадій життєвого циклу Запропоновано метод класифікації вимог до програмного забезпечення, що базується на методах машинного навчання і використовує чотири алгоритми: метод опорних векторів, наївний байєсовий класифікатор, логістична регресія та метод найближчих сусідів, а також техніки опрацювання тексту: «мішок слів», TF-IDF і χ 2 . Розроблено метод прогнозування дефектів програмного забезпечення у комп’ютерних системах, що використовує 6 алгоритмів машинного навчання і три набори дефектів і дає змогу забезпечити та передбачити з високою імовірністю можливість появи помилок у програмних модулях з врахуванням метрик програмного коду.

The aim of the work is to study the methods and means of software testing and implementation of machine learning algorithms for automatic classification of requirements and prediction of software code defects The study analyzes important concepts, principles and sequences of processes used in the design of computer systems, in particular, terminological features in the process of software implementation at the testing stage, which allowed to understand and further identify ways to implement machine learning methods to improve efficiency of life cycle stages The method of classification of software requirements based on machine learning methods and using four algorithms is proposed: the method of reference vectors, naive Bayesian classifier, logistic regression and the method of nearest neighbors, as well as word processing techniques: "word bag", TF-IDF and χ 2 . The method for predicting software defects in computer systems has been developed, which uses 6 machine learning algorithms and three sets of defects and makes it possible to provide and predict with a high probability the possibility of errors in software modules taking into account software code metrics.