KR101928389B1 - Bug severity prediction system and method by analyzing emotion words - Google Patents
Bug severity prediction system and method by analyzing emotion words Download PDFInfo
- Publication number
- KR101928389B1 KR101928389B1 KR1020170058460A KR20170058460A KR101928389B1 KR 101928389 B1 KR101928389 B1 KR 101928389B1 KR 1020170058460 A KR1020170058460 A KR 1020170058460A KR 20170058460 A KR20170058460 A KR 20170058460A KR 101928389 B1 KR101928389 B1 KR 101928389B1
- Authority
- KR
- South Korea
- Prior art keywords
- score
- emotion
- word
- severity
- words
- Prior art date
Links
Images
Classifications
-
- G06F17/2785—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
본 발명은 새로운 버그 리포트를 전처리하여 감정분석 대상 단어를 추출하는 감정 단어 전처리부, 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별부, 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출부 및 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측부를 포함하는 감정단어 분석을 이용한 버그 심각도 예측 시스템에 관한 것이다.
본 발명에 따르면, 새로운 버그 리포트의 심각성을 객관화하여 효율적으로 평가하고 예측할 수 있는 효과가 있다The present invention includes an emotion word preprocessing unit for preprocessing a new bug report and extracting a word to be subjected to an emotion analysis, selecting an emotion word corresponding to a word existing in the emotion word dictionary among the words to be subjected to emotion analysis, An affirmative term score and an unfixed term score are added to the affirmative word score and the negative word score, respectively, and an affirmative term score and an irregular term score, An emotion score deriving unit for deriving an emotion score of the new bug report using the overall affirmative term score and the total negative word score and a severity predicting unit for predicting the severity of the new bug report using the emotion score The present invention relates to a bug severity prediction system using word analysis.
According to the present invention, the seriousness of a new bug report can be objectively evaluated and efficiently evaluated and predicted
Description
본 발명은 감정단어 분석을 이용한 버그 심각도 예측 시스템 및 방법에 관한 것으로, 더욱 상세하게는 버그 리포트에 포함된 감정단어를 추출하여, 긍정 용어 점수와 부정 용어 점수를 각각 부여하고, 이러한 버그 리포트의 긍정 용어 점수와 부정 용어 점수를 이용하여 버그 리포트의 감정 점수를 도출한 후, 이처럼 도출된 감정 점수를 이용하여 버그 리포트의 심각성을 객관화하여 평가하고 예측할 수 있는 감정단어 분석을 이용한 버그 심각도 예측 시스템 및 방법에 관한 것이다.The present invention relates to a system and a method for predicting bug severity using emotional word analysis, and more particularly, to a system and method for predicting a bug severity using emotion word analysis, A bug severity prediction system and method using emotional word analysis that can objectively evaluate and predict the severity of a bug report by deriving the emotion score of the bug report using the term score and the irregular term score .
PC(개인용 컴퓨터)나 스마트폰, 비디오 게임기와 같은 컴퓨터 기기를 통해 각종 소프트웨어를 이용하는 과정에서 이유 없이 오류 메시지가 출력되거나 기기가 오작동하는 경우를 종종 볼 수 있다. 이런 현상은 단순한 기기 고장 때문에 일어나기도 하지만 사용하는 하드웨어나 소프트웨어 자체의 결함에 의한 경우도 많으며, 이는 해당 하드웨어나 소프트웨어를 구성하고 있는 프로그램의 내용 중에 잘못된 코드가 들어 있음을 의미한다. 이러한 프로그램 상의 결함에 의해 컴퓨터 오류나 오작동이 일어나는 현상을 버그(Bug)라고 한다.Often, an error message is output or a device malfunctions in the process of using various software through a computer such as a PC (personal computer), a smart phone, or a video game machine. This phenomenon is caused by a simple device malfunction, but it is often caused by defects in the hardware or the software itself, which means that the contents of the program constituting the hardware or software contain an incorrect code. A bug is a phenomenon in which a computer error or malfunction occurs due to a defect in the program.
버그는 복잡한 소프트웨어일수록 많이 발생되며, 발생된 버그는 버그의 심각성에 따라 높은 심각성 또는 낮은 심각성으로 나뉘어져, 높은 심각성을 가진 버그를 우선으로 정정하게 된다. 또한, 발생된 버그는 정정을 위하여 버그 리포트와 함께 개발자에게 할당된다. 이때, 새로운 버그는 버그 저장소에 있는 배정자(triager)에 의하여 개발자에게 할당된다.Bugs are more likely to occur with more complex software, and the bugs that are generated are divided into high severity or low severity depending on the severity of the bug, and bugs with high severity are corrected first. In addition, bugs generated are assigned to developers along with bug reports for correction. At this point, the new bug is assigned to the developer by the triager in the bug repository.
그러나, 버그 리포트는 작성자 개인의 경험과 감정을 통해 주관적으로 작성되므로, 버그 리포트의 심각도(Severity)도에 대한 판단도 개발자의 주관적인 판단에 의존하게 되어, 버그 리포트의 심각도 판단의 정확성이 저하되고, 이로 인해 개발자의 작업시간 및 버그 처리시간이 증가되고, 버그 처리 작업의 효율성이 저하될 수 있다는 문제점이 있다.However, since the bug report is created subjectively by the individual's experience and feelings, the degree of severity of the bug report also depends on the subjective judgment of the developer, so that the accuracy of the bug report severity determination deteriorates, As a result, the developer's work time and bug processing time are increased, and the efficiency of the bug processing operation is deteriorated.
따라서, 버그 리포트의 심각도를 자동화 및 객관화하여 효율적으로 평가할 수 있는 기술에 대한 필요성이 대두되고 있다.Therefore, there is a need for a technology that can automate and objectify the severity of a bug report and efficiently evaluate it.
본 발명의 목적은 버그 리포트에 포함된 감정단어를 추출하여, 긍정 용어 점수와 부정 용어 점수를 각각 부여하고, 이러한 버그 리포트의 긍정 용어 점수와 부정 용어 점수를 이용하여 버그 리포트의 감정 점수를 도출한 후, 이처럼 도출된 감정 점수를 이용하여 버그 리포트의 심각성을 객관화하여 효율적으로 평가하고 예측할 수 있는 감정단어 분석을 이용한 버그 심각도 예측 시스템 및 방법을 제공하는 것이다.An object of the present invention is to provide a method and apparatus for extracting emotional words included in a bug report, assigning affirmative term scores and irregular term scores to each of the emotional words, and deriving an emotion score of the bug report using the affirmative term scores and the irregular term scores The present invention provides a system and method for predicting bug severity using emotional word analysis, which can objectively evaluate the severity of a bug report by using the emotion score thus derived, and efficiently evaluate and predict the severity of the bug report.
이러한 목적을 달성하기 위하여 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템은 새로운 버그 리포트를 전처리하여 감정분석 대상 단어를 추출하는 감정 단어 전처리부, 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별부, 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출부 및 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측부를 포함하는 것으로 구성된다.In order to achieve the above object, a bug severity prediction system using emotion word analysis according to the present invention includes an emotion word preprocessing unit for extracting an emotion analysis target word by preprocessing a new bug report, An affirmative word selection unit for selecting affirmative words corresponding to existing words and assigning affirmative term scores and negative term scores to the selected emotional words, a positive word score and a negative word score respectively assigned to the emotion words, An emotion score deriving unit for calculating a total affirmative term score and a total unjust term score by summing up the total affirmative term score and the total negative term score to derive an emotion score of the new bug report, A severity example that predicts the severity of the new bug report using It consists in comprising: a.
상기 감정 단어 전처리부는 상기 새로운 버그 리포트의 문장들을 토큰화(Tokenization)하여 다수개의 구획문자(delimiter)로 만들어 상기 감정분석 대상 단어를 추출할 수 있다.The emotion word preprocessing unit may Tokenize sentences of the new bug report to make a plurality of delimiters and extract the emotional analysis target words.
상기 감정 단어 선별부는 상기 선별된 감정단어들 중, 공통 어근을 갖는 단어들을 스태밍(Stemming) 처리하여 하나의 어근으로 표시하고, 상기 공통 어근을 갖는 단어들에 각각 부여된 긍정 용어 점수들과 부정 용어 점수들의 각각의 합산 점수를 상기 하나의 어근의 긍정 용어 점수와 부정 용어 점수로 각각 부여할 수 있다.Wherein the emotion word selection unit performs a stemming process on the words having a common root among the selected emotion words to display them as one root, and the affirmative word scores assigned to the words having the common root and negative The sum of the scores of the term scores may be given as the affirmative term score and the negative term score of the one root.
상기 감정점수 도출부는 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 아래의 수학식 1에 대입하여 감정점수를 도출할 수 있다.The emotion score derivation unit may derive the emotion score by substituting the entire affirmative term score and the total negative word score into the following equation (1).
[수학식 1][Equation 1]
여기서, 상기 posscore는 상기 새로운 버그 리포트의 전체 긍정 용어 점수이고, negscore는 상기 새로운 버그 리포트의 전체 부정 용어 점수이며, EmoTScore는 상기 새로운 버그 리포트의 감정점수이다.Here, the pos score is the total positive term score of the new bug report, the neg score is the total negative term score of the new bug report, and EmoTScore is the emotion score of the new bug report.
상기 심각도 예측부는 다항시행 접근 나이브 베이즈(naive bayes multinomial) 알고리즘을 이용하여 상기 새로운 버그 리포트의 심각도를 예측할 수 있다.The severity estimator may estimate the severity of the new bug report using a naive bayes multinomial algorithm.
본 발명은 또한, 상기 목적을 달성하기 위해 새로운 버그 리포트를 전처리하여 감정분석 대상 단어를 추출하는 감정 단어 전처리 단계, 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별단계, 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출단계 및 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측단계를 포함하는 감정단어 분석을 이용한 버그 심각도 예측 방법을 제공한다.According to another aspect of the present invention, there is provided a method for processing a sentence word, comprising the steps of: preprocessing a new bug report to extract an emotional analysis target word; An affirmative term score and an unfixed term score are respectively assigned to the selected emotion words, and a positive term score and a negative term score respectively assigned to the emotion words are added to each other, Calculating a total score of an unauthorized term, deriving an emotion score of the new bug report using the total affirmative term score and all negative word scores, and calculating a score of the new bug report using the emotion score Bug with emotion word analysis that includes a predictive severity prediction step It provides the angle prediction method.
본 발명은 또한, 감정단어 분석을 이용한 버그 심각도 예측 방법을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록매체를 제공한다.The present invention also provides a computer-readable recording medium on which a program for executing a bug severity prediction method using emotional word analysis is recorded.
본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템 및 방법은 버그 리포트에 포함된 감정단어를 추출하여, 긍정 용어 점수와 부정 용어 점수를 각각 부여하고, 이러한 버그 리포트의 긍정 용어 점수와 부정 용어 점수를 이용하여 버그 리포트의 감정 점수를 도출한 후, 이처럼 도출된 감정 점수를 이용하여 버그 리포트의 심각성을 객관화하여 효율적으로 평가하고 예측할 수 있는 효과가 있다.The bug severity prediction system and method using emotion word analysis according to the present invention extract emotional words included in the bug report and give affirmative term scores and irregular term scores, The bug report score can be derived from the bug report, and then the severity of the bug report can be objectively evaluated and predicted efficiently by using the emotion score thus derived.
도 1은 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 개략적인 구성요소를 나타낸 모식도이다.
도 2는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 방법의 순서를 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템을 통해 도출된 소프트웨어 운영체제별 버그 심각도 레벨분류를 나타낸 표이다.
도 4는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 감정단어 사전에서 긍정 용어 점수와 부정 용어 점수에 있어서 TOP 10 순위를 갖는 감정단어들을 나타낸 표이다.
도 5는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 감정단어 선별부에서 감정단어들에 긍정 용어 점수와 부정용어 점수를 각각 부여하여 합산점수를 산출하는 과정을 나타낸 표이다.1 is a schematic diagram illustrating a schematic component of a bug severity prediction system using emotional word analysis according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating a procedure for predicting bug severity using sentence word analysis according to an embodiment of the present invention. Referring to FIG.
FIG. 3 is a table showing a bug severity level classification according to a software operating system derived through a bug severity prediction system using emotional word analysis according to an exemplary embodiment of the present invention.
FIG. 4 is a table showing emotion words having a TOP 10 ranking in the affirmative term score and the negative term score in the emotion word dictionary of the bug severity prediction system using emotional word analysis according to an embodiment of the present invention.
FIG. 5 is a table showing a process of calculating summed scores by assigning affirmative term scores and negative term scores to emotion words in the emotion word selection unit of the bug severity prediction system using emotional word analysis according to an embodiment of the present invention to be.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 한다. 또한 본 발명의 실시예들을 설명함에 있어 구체적인 수치는 실시예에 불과하다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear. In the following description of the embodiments of the present invention, specific values are only examples.
도 1에는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 개략적인 구성요소를 나타낸 모식도가 도시되어 있다.FIG. 1 is a schematic diagram showing a schematic component of a bug severity prediction system using emotional word analysis according to an embodiment of the present invention.
도 1을 참조하면 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템(100)은 새로운 버그 리포트를 전처리하여 감정분석 대상 단어를 추출하는 감정 단어 전처리부(110), 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별부(120), 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출부(130) 및 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측부(140)를 포함하는 것으로 구성된다.Referring to FIG. 1, a bug
본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템(100)을 설명하기 위해 우선 버그 리포트의 정의에 대해 설명하면, 버그 리포트는 자유 형식의 텍스트 콘텐츠(content)이며, 일반적으로 소프트웨어의 소스 코드 파일에 나타나는 기본값(defeauts)을 포함한다. 버그 리포트는 사전에 정의된 "Bug ID", "제목(Title)", "구성요소(Component)" 등으로 구성되어 있다.In order to describe the bug
또한, 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템(100)에서 "심각도(Severity)"는 버그에 대한 심각성의 정도를 의미하며, 중대한(critical), 차단(blocker), 주요한(major), 높은(high), 보통(normal), 중간의(medium), 작은(minor), 낮은(low), 사소한(trivial), 미미한(small)의 10단계를 포함한다.In the bug
여기서 Blocker, Critical, Major 단계는 프로그램에서 충돌(crashes), 데이터 손실(loss of data), 메모리 누수(memory leak)와 같은 심각한 문제를 나타낸다. 그리고, Normal, Minor, Trivial 단계는 작은 에러(minor errors), 미용 문제(cosmetic problem), 기능의 작은 손실(minor loss of function)을 나타낸다. 특히 Blocker는 가장 높은 심각성을 갖는 버그 유형을 나타내고, Trivial은 가장 낮은 심각성을 갖는 버그 유형을 나타낸다.Here, the Blocker, Critical, and Major stages represent serious problems in the program, such as crashes, loss of data, and memory leaks. The Normal, Minor, and Trivial stages represent minor errors, cosmetic problems, and minor loss of function. In particular, Blocker indicates the type of bug with the highest severity, and Trivial indicates the type of the bug with the lowest severity.
도 3에는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템을 통해 도출된 소프트웨어 운영체제별 버그 심각도 레벨분류를 나타낸 표가 개시되어 있고, 도 4에는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 감정단어 사전에서 긍정 용어 점수와 부정 용어 점수에 있어서 TOP 10 순위를 갖는 감정단어들을 나타낸 표가 개시되어 있으며, 도 5는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템의 감정단어 선별부에서 감정단어들에 긍정 용어 점수와 부정용어 점수를 각각 부여하여 합산점수를 산출하는 과정을 나타낸 표가 개시되어 있다.FIG. 3 is a table showing a bug severity level classification according to a software operating system derived through a bug severity prediction system using emotional word analysis according to an embodiment of the present invention. FIG. 5 is a table showing emotion words having a TOP 10 ranking in the affirmative term scores and the negative term scores in the emotion word dictionary of the bug severity prediction system using the emotion word analysis, There is disclosed a table showing a process of calculating a summation score by assigning an affirmative term score and an irregular term score to emotion words in an emotion word selection unit of a bug severity prediction system using word analysis.
이들 도면을 참조하면, 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 시스템(100)은 버그 리포트에 포함된 감정단어를 추출하기 위해 우선 상기 버그 리포트를 구성하는 문장들을 감정 단어 전처리부(110)에서 스태밍(stemming), stop words 제거, special character 제거 등의 단계를 통해 분해하고 감정분석 대상 단어를 추출한다. 이러한 과정은 감정단어의 전처리 과정으로서 예를 들어 상기 새로운 버그 리포트의 문장들을 토큰화(Tokenization)하여 다수개의 구획문자(delimiter)로 만들어 상기 감정분석 대상 단어를 추출하는 과정으로 수행될 수 있다.Referring to these figures, in order to extract the emotion words included in the bug report, the bug
여기서, 전처리는 관측된 패턴에서 본질적인 정보를 쉽게 추출할 수 있도록 현재 주목하고자 하는 부분 패턴을 선정하거나 이 부분 패턴을 정형(整形)하여 불필요한 정보를 분리 제거하기 위한 예비적인 조작을 의미한다.Here, the pre-processing means a preliminary operation for selecting a partial pattern to be currently noticed or shaping the partial pattern so that essential information can be easily extracted from the observed pattern to separate and remove unnecessary information.
토큰화(Tokenization)는 색인 할 문서를 정의하고 난 후 문서의 텍스트 데이터를 토큰 단위로 분리하여 처리하는 기술을 말하며, 일반적으로 토큰은 단어(words), 구(phrases) 또는 용어(term) 등을 나타낸다.Tokenization refers to the technique of separating the text data of a document into tokens after defining the documents to be indexed. In general, tokens are words, phrases, or terms. .
스태밍(stemming)은 토큰화된 정보를 이용하여 단어에 공통적으로 나타나는 부분을 어근으로 처리하는 기법을 말하며, stop words 제거는 색인(인덱스) 작성 때에 표제어(keyword, descriptor)로 하지 않는 언어, 예를 들어, a, about, am, and, as, are 등의 불필요한 요소를 제거하는 것을 말한다. 상기 감정 단어 전처리부(110)에서는 대략 750 내지 770 개의 단어를 스태밍(stemming) 대상 단어로 선택하여 이용할 수 있다.Stemming refers to a technique of processing a portion of a word that is common to words using tokenized information as a root. Removing stop words is a language that does not use a keyword or a descriptor when creating an index, For example, to remove unnecessary elements such as a, about, am, and, as, are. The emotional word preprocessing
special character 제거는 버그 리포트의 문장에서 하이픈(hyphen), @ 및 축약형(abbreviation)등을 제거 하는 것을 의미한다.Removing special characters means removing hyphen, @, and abbreviation from the statements in the bug report.
한편, 상기 감정 단어 전처리부(110)에 의해 추출된 감정분석 대상 단어들은 감정 단어 선별부(120)에 의해 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여받게 된다.Meanwhile, the emotion analysis target words extracted by the emotion
구체적으로 도 5의 표에 도시된 바와 같이, 감정 단어 전처리부(110)에 의해 추출된 wizard, delete, sdk, androidsdkrepo, androidsdkdir, point, dir 등의 감정분석 대상 단어들 중 sdk, androidsdkrepo, androidsdkdir, dir 는 감정단어 사전에 존재하지 않는 단어들로서 긍정 용어 점수나 부정 용어 점수가 부여되지 않으며, wizard, delete, point 는 감정단어 사전에 존재하는 단어들로 선별되어 wizard는 0.125/0.375의 긍정 용어 점수와 부정 용어 점수가 부여되고, delete는 0.0/0.125의 긍정 용어 점수와 부정 용어 점수가 부여되며, point는 1.75/0.125의 긍정 용어 점수와 부정 용어 점수가 각각 부여된다.Specifically, as shown in the table of FIG. 5, sdk, androidsdkrepo, androidsdkdir, androidsdkrepo among words to be subjected to emotion analysis such as wizard, delete, sdk, androidsdkrepo, androidsdkdir, point, dir extracted by the emotion
이 때, 상기 감정 단어 선별부(120)는 상기 선별된 감정단어들 중, 공통 어근을 갖는 단어들을 스태밍(Stemming) 처리하여 하나의 어근으로 표시하고, 상기 공통 어근을 갖는 단어들에 각각 부여된 긍정 용어 점수들과 부정 용어 점수들의 각각의 합산 점수를 상기 하나의 어근의 긍정 용어 점수와 부정 용어 점수로 각각 부여할 수 있다. At this time, the
즉, 예를 들어 patched, patching, patch 라는 단어의 경우, patched (Positive 0 /Negative 0.25), patching (Positive 0/ Negative 0), 및 patch (Positive 0 / Negative 0.125)와 같은 각각 다른 긍정 용어 점수와 부정 용어 점수가 부여될 수 있다. 따라서, 이러한 경우에는 patched, patching, patch는 스태밍(Stemming) 처리에 의해 모두 "patch" 라는 하나의 어근으로 표시하고, "patch"의 긍정 용어 점수와 부정 용어 점수는 각각 Positive 0(Positive 0 + 0 + 0)과 Negative 0.375(Negative 0 + 0.25 + 0.125)로 합산하여 나타낼 수 있다.For example, the words patched, patching, and patch are patched (Positive 0 / Negative 0.25), patching (Positive 0 / Negative 0), and patch positive (Positive 0 / Negative 0.125) , and negative term scores, respectively. In this case, patched, patching, and patch are marked as a single root of "patch" by stamming, and the positive and negative term scores of "patch" are Positive 0 ( Positive 0 + 0 + 0 ) and Negative 0.375 ( Negative 0 + 0.25 + 0.125 ).
상기 감정단어 사전은 도 4에서 볼수 있는 바와 같이, 미리 감정단어들을 선별하여 각각 긍정 용어 점수와 부정 용어 점수를 부여하고, 이들 긍정 용어 점수와 부정 용어 점수의 순위(Top 10)대로 각 감정단어들을 정리하는 방식으로 구현될 수 있다.As shown in FIG. 4, the emotional word dictionary is a system in which emotional words are selected in advance and a positive term score and an irregular term score are given to the emotional word dictionary, and each emotion word is ranked according to the ranking of the affirmative term score And can be implemented in a manner of organizing.
다시, 도 5를 참조하면, 상기 감정 점수 도출부(130)는 긍정 용어 점수와 부정 용어 점수가 각각 부여된 wizard, delete, point의 긍정 용어 점수와 부정 용어 점수를 각각 전체 긍정 용어 점수 Positive 1.875(Positive 0.125 + 0.0 + 1.75)와 전체 부정 용어 점수 Negative 0.625(Negative 0.375 + 0.125 + 0.125)로 합산하여 각각 합산 점수를 산출해낸다.Referring to FIG. 5, the emotion
또한, 상기 감정 점수 도출부(130)는 이와 같이 산출된 긍정 용어 점수 Positive 1.875와 부정 용어 점수 Negative 0.625를 아래의 수학식 1에 대입하여 감정점수를 도출한다.In addition, the emotion
[수학식 1][Equation 1]
여기서, 상기 posscore는 상기 새로운 버그 리포트의 전체 긍정 용어 점수이고, negscore는 상기 새로운 버그 리포트의 전체 부정 용어 점수이며, EmoTScore는 상기 새로운 버그 리포트의 감정점수이다.Here, the pos score is the total positive term score of the new bug report, the neg score is the total negative term score of the new bug report, and EmoTScore is the emotion score of the new bug report.
구체적으로, 상기 수학식 1에 상기 긍정 용어 점수 Positive 1.875와 부정 용어 점수 Negative 0.625를 대입하면, (1.875 + 1/0.625 + 1)가 되어 상기 버그 리포트의 EmoTScore 즉, 감정점수는 1.77로 도출될 수 있다. 따라서, 이러한 감정점수가 0 이나 1에 가까울수록 버그 리포트의 심각도는 낮은 것으로 해석할 수 있고, 1 보다 큰 값이 나왔을 경우에는 버그 리포트의 심각도는 높은 것으로 해석할 수 있다.Specifically, when the affirmative term score Positive 1.875 and Negative term score Negative 0.625 are substituted into
한편, 상기 심각도 예측부(140)는 상기와 같이 도출된 감정점수와 다항시행 접근 나이브 베이즈(naive bayes multinomial) 알고리즘을 이용하여 상기 새로운 버그 리포트의 심각도를 예측할 수 있다.Meanwhile, the
즉, 상기 심각도 예측부(140)는 아래 수학식 2와 같은 베이스 정리를 이용하여 주어진 자료에 대한 분류표시의 사후확률 값(posterior probability)을 추정하여 이루어지는 다항시행 접근 나이브 베이즈(naive bayes multinomial) 알고리즘을 이용하여 버그 리포트 심각도 판정의 신뢰도를 개선할 수 있다.That is, the
[수학식 2]&Quot; (2) "
여기서 P(A)는 A의 사전(prior) 확률 또는 경계 확률을 나타내며, 사전(prior)이라는 것은 아직 사건 B에 관한 어떠한 정보도 고려하지 않음을 의미한다. 또한, P(A|B)는 B가 주어졌을 때 A의 조건부 확률을 나타내며, B의 특정 값에 의해 결정되기 때문에 사후 확률이라고도 한다. 또한, P(B|A)는 A가 주어졌을 때 B의 조건부 확률을 나타낸다.또한, L(A|B)은 B가 고정되었을 때 A의 가능도를 나타내며, 이 경우에 P(B|A)=L(A|B)이다.Where P (A) denotes A's prior probability or boundary probability, and prior means that it does not consider any information about event B yet. Also, P (A | B) represents the conditional probability of A when B is given, and it is also called posterior probability because it is determined by the specific value of B. L (A | B) represents the likelihood of A when B is fixed, and P (B | A) represents the probability of A when B is fixed. ) = L (A | B).
도 2에는 본 발명의 일실시예에 따른 감정단어 분석을 이용한 버그 심각도 예측 방법의 순서를 나타낸 블록도가 개시되어 있다.FIG. 2 is a block diagram illustrating a procedure of a bug severity prediction method using emotional word analysis according to an embodiment of the present invention.
도 2를 참조하면, 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 방법은 새로운 버그 리포트를 전처리하여 감정분석 대상 단어를 추출하는 감정 단어 전처리 단계(S200), 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별단계(S210), 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출단계(S220) 및 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측단계(S230)를 포함하는 것으로 구성된다.Referring to FIG. 2, a bug severity predicting method using emotion word analysis according to the present invention includes an emotion word preprocessing step (S200) for extracting an emotion analysis target word by preprocessing a new bug report, An affirmative word selection step (S210) of selecting emotional words corresponding to words existing in the word dictionary and giving positive word scores and negative word scores to the selected emotion words, Calculating a total affirmative term score and an overall negative term score by summing the score and the negative term score to derive an emotion score for deriving the emotion score of the new bug report using the total affirmative term score and the total negative term score (S220) and a severity rating of the severity of the new bug report using the emotion score And a prediction step S230.
본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 방법은 버그 리포트에 포함된 감정단어를 추출하여, 긍정 용어 점수와 부정 용어 점수를 각각 부여하고, 이러한 버그 리포트의 긍정 용어 점수와 부정 용어 점수를 이용하여 버그 리포트의 감정 점수를 도출한 후, 이처럼 도출된 감정 점수를 이용하여 버그 리포트의 심각성을 객관화하여 평가하고 예측할 수 있는 장점이 있다.The bug severity predicting method using emotion word analysis according to the present invention extracts emotion words included in a bug report, assigns affirmative term scores and irregular term scores, respectively, and uses positive and negative terms of the bug report The bug report score is derived from the bug report, and then the severity of the bug report is objectified, evaluated, and predicted using the derived score.
또한, 본 발명에 따른 감정단어 분석을 이용한 버그 심각도 예측 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.In addition, the bug severity prediction method using the emotion word analysis according to the present invention may be implemented in a form of a program command that can be executed through various computer means and recorded in a computer readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, the present invention has been described with reference to particular embodiments, such as specific elements, and specific embodiments and drawings. However, it should be understood that the present invention is not limited to the above- And various modifications and changes may be made thereto by those skilled in the art to which the present invention pertains.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Accordingly, the spirit of the present invention should not be construed as being limited to the embodiments described, and all of the equivalents or equivalents of the claims, as well as the following claims, belong to the scope of the present invention .
100: 버그 심각도 예측 시스템
110: 감정단어 전처리부
120: 감정단어 선별부
130: 감정점수 도출부
140: 심각도 예측부100: Bug Severity Prediction System
110: Emotion word preprocessing section
120: Emotion word selection unit
130: Emotion score derivation part
140: severity prediction unit
Claims (7)
상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별부;
상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출부; 및
상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측부;
를 포함하는 감정단어 분석을 이용한 버그 심각도 예측 시스템.
An emotional word preprocessing unit for preprocessing a new bug report and extracting an emotional analysis target word;
An emotional word selection unit that selects emotional words corresponding to words existing in the emotional word dictionary among the words to be subjected to emotional analysis and gives affirmative and negative terms to the selected emotional words;
A total positive word score and an entire negative word score are calculated by summing up the affirmative word scores and the negative word scores respectively given to the emotion words, An emotion score deriving unit for deriving an emotion score of a report; And
A severity predicting unit for predicting the severity of the new bug report using the emotion score;
A bug severity prediction system using emotional word analysis.
상기 감정 단어 전처리부는 상기 새로운 버그 리포트의 문장들을 토큰화(Tokenization)하여 다수개의 구획문자(delimiter)로 만들어 상기 감정분석 대상 단어를 추출하는 감정단어 분석을 이용한 버그 심각도 예측 시스템.
The method according to claim 1,
Wherein the emotion word preprocessing unit uses sentence word analysis to perform a plurality of delimiters by tokenizing sentences of the new bug report to extract the emotion analysis target words.
상기 감정 단어 선별부는 상기 선별된 감정단어들 중, 공통 어근을 갖는 단어들을 스태밍(Stemming) 처리하여 하나의 어근으로 표시하고, 상기 공통 어근을 갖는 단어들에 각각 부여된 긍정 용어 점수들과 부정 용어 점수들의 각각의 합산 점수를 상기 하나의 어근의 긍정 용어 점수와 부정 용어 점수로 각각 부여하는 감정단어 분석을 이용한 버그 심각도 예측 시스템.
The method according to claim 1,
Wherein the emotion word selection unit performs a stemming process on the words having a common root among the selected emotion words to display them as one root, and the affirmative word scores assigned to the words having the common root and negative And a summation score of each of the term scores is assigned to the affirmative term score and the negative term score of the one root, respectively.
상기 감정점수 도출부는 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 아래의 수학식 1에 대입하여 감정점수를 도출하는 감정단어 분석을 이용한 버그 심각도 예측 시스템.
[수학식 1]
여기서, 상기 posscore는 상기 새로운 버그 리포트의 전체 긍정 용어 점수이고, negscore는 상기 새로운 버그 리포트의 전체 부정 용어 점수이며, EmoTScore는 상기 새로운 버그 리포트의 감정점수이다.The method according to claim 1,
Wherein the emotion score derivation unit derives an emotion score by substituting the total affirmative term score and the total negative term score into the following equation (1).
[Equation 1]
Here, the pos score is the total positive term score of the new bug report, the neg score is the total negative term score of the new bug report, and EmoTScore is the emotion score of the new bug report.
상기 심각도 예측부는 다항시행 접근 나이브 베이즈(naive bayes multinomial) 알고리즘을 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 감정단어 분석을 이용한 버그 심각도 예측 시스템.
The method according to claim 1,
Wherein the severity predicting unit uses emotional word analysis to predict the severity of the new bug report using a naive bayes multinomial algorithm.
버그 심각도 예측 시스템의 감정단어 선별부에서 상기 감정분석 대상 단어들 중, 감정단어 사전에 존재하는 단어와 대응되는 감정단어들을 선별하여 이들 선별된 감정단어들에 긍정 용어 점수와 부정 용어 점수를 각각 부여하는 감정단어 선별단계;
버그 심각도 예측 시스템의 감정점수 도출부에서 상기 감정단어들에 각각 부여된 긍정 용어 점수와 부정 용어 점수들을 각각 합산하여, 전체 긍정 용어 점수와 전체 부정 용어 점수를 각각 산출하고, 상기 전체 긍정 용어 점수와 전체 부정 용어 점수를 이용하여 상기 새로운 버그 리포트의 감정 점수를 도출하는 감정점수 도출단계; 및
버그 심각도 예측 시스템의 심각도 예측부에서 상기 감정점수를 이용하여 상기 새로운 버그 리포트의 심각도를 예측하는 심각도 예측단계;
를 포함하는 감정단어 분석을 이용한 버그 심각도 예측 방법.
An emotion word preprocessing step of preprocessing a new bug report in the emotion word preprocessing part of the bug severity predicting system to extract the emotion word to be analyzed;
The emotion word selection unit of the bug severity prediction system selects emotional words corresponding to words existing in the emotional word dictionary among the emotional analysis target words and assigns positive and negative punctuation scores to the selected emotional words An emotional word selection step;
A total affirmative term score and a total negative term score are respectively calculated by summing the affirmative term scores and the negative term scores respectively assigned to the emotion words in the emotion score derivation unit of the bug severity predicting system, Deriving an emotion score of the new bug report using the total unfixed term score; And
A severity prediction step of predicting the severity of the new bug report using the emotion score in the severity prediction unit of the bug severity prediction system;
A method for predicting bug severity using emotional word analysis.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170058460A KR101928389B1 (en) | 2017-05-11 | 2017-05-11 | Bug severity prediction system and method by analyzing emotion words |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170058460A KR101928389B1 (en) | 2017-05-11 | 2017-05-11 | Bug severity prediction system and method by analyzing emotion words |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180124258A KR20180124258A (en) | 2018-11-21 |
| KR101928389B1 true KR101928389B1 (en) | 2018-12-12 |
Family
ID=64602553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170058460A KR101928389B1 (en) | 2017-05-11 | 2017-05-11 | Bug severity prediction system and method by analyzing emotion words |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101928389B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101390220B1 (en) | 2012-11-07 | 2014-04-30 | 서울시립대학교 산학협력단 | Method for recommending appropriate developers for software bug fixing and apparatus thereof |
| US20150006519A1 (en) | 2013-06-28 | 2015-01-01 | Microsoft Corporation | Automated problem inference from bug repositories |
-
2017
- 2017-05-11 KR KR1020170058460A patent/KR101928389B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101390220B1 (en) | 2012-11-07 | 2014-04-30 | 서울시립대학교 산학협력단 | Method for recommending appropriate developers for software bug fixing and apparatus thereof |
| US20150006519A1 (en) | 2013-06-28 | 2015-01-01 | Microsoft Corporation | Automated problem inference from bug repositories |
Non-Patent Citations (5)
| Title |
|---|
| S. Demeyer, Predicting the severity of a reported bug, Proc. on int. conf. on software engineering, 2010.06 |
| Shivani Rao 외 2인. "An Incremental Update Framework for Efficient Retrieval from Software Libraries for Bug Localization." 20th Working Conference on Reverse Engineering, Oct 14-17, 2013 |
| Tao Zhang 외 3인. ‘Role Analysis-based Automatic Bug Triage Algorithm’. Information Processing Society of Japan. 2012, pp.1-4 |
| 양근석 외, 토픽 모델과 버그 리포트 메타 필드를 이용한 버그 심각도 예측 방법, 정보과학회 컴퓨팅의 실제 논문지 21(9) pp.616-621 (2015.09) |
| 진광희, 서울시립대학교 대학원 석사학위 논문, 버그 리포트 분류 방법을 사용한 결함 심각도 예측, 2015.06. |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180124258A (en) | 2018-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10418029B2 (en) | Method of selecting training text for language model, and method of training language model using the training text, and computer and computer program for executing the methods | |
| Yan et al. | Just-in-time defect identification and localization: A two-phase framework | |
| Wang et al. | Amalgam+: Composing rich information sources for accurate bug localization | |
| Wang et al. | Version history, similar report, and structure: Putting them together for improved bug localization | |
| US9189473B2 (en) | System and method for resolving entity coreference | |
| JP7251181B2 (en) | Parallel translation processing method and parallel translation processing program | |
| JP2018526710A (en) | Information recommendation method and information recommendation device | |
| JP5071373B2 (en) | Language processing apparatus, language processing method, and language processing program | |
| US20160063396A1 (en) | Method and apparatus for classification | |
| US8719025B2 (en) | Contextual voice query dilation to improve spoken web searching | |
| JP5646792B2 (en) | Word division device, word division method, and word division program | |
| CN110674306B (en) | Knowledge graph construction method and device and electronic equipment | |
| US20180232359A1 (en) | Method for Updating a Knowledge Base of a Sentiment Analysis System | |
| Gujral et al. | Classifying bug severity using dictionary based approach | |
| CN103324641B (en) | Information record recommendation method and device | |
| Brooke et al. | Unsupervised multiword segmentation of large corpora using prediction-driven decomposition of n-grams | |
| US20160132809A1 (en) | Identifying and amalgamating conditional actions in business processes | |
| US11532311B2 (en) | System, method, program, and recording medium for improving accuracy of call data analysis | |
| KR101928389B1 (en) | Bug severity prediction system and method by analyzing emotion words | |
| CN110895654A (en) | Segmentation method, segmentation system and non-transitory computer readable medium | |
| KR101691083B1 (en) | System and Method for Bug Fixing Developers Recommendation and Bug Severity Prediction based on Topic Model and Multi-Feature | |
| CN111581950B (en) | Method for determining synonym names and method for establishing knowledge base of synonym names | |
| KR101697992B1 (en) | System and Method for Recommending Bug Fixing Developers based on Multi-Developer Network | |
| KR101775006B1 (en) | Bug severity prediction system and method using the concept profile | |
| JP2007058415A (en) | Text mining device, text mining method, and program for text mining |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |