ارزیابی تاثیر متریک های نرم‌افزاری بر مدل‌های پیش‌بینی نقص نرم‌افزار

متریک های نرم افزاری کمکی ضروری برای فرآیند اندازه گیری نرم افزار هستند. اندازه گیری نرم افزار وظیفه ای است که در تمام مراحل فرآیند توسعه نرم افزار انجام می شود. در طی این فرآیند، بسیاری از محصولات نرم افزاری میانی یا نهایی توسعه یافته و با متریک های محصول نرم افزار اندازه گیری می شوند. یکی از این محصولات کد منبع برنامه است که بخشی از سیستم نرم افزار نهایی است و برای ارزیابی کیفیت آن اندازه گیری می شود. متریک های کد منبع نوعی از متریک های محصول هستند که بر اندازه گیری کد منبع یک سیستم تمرکز دارند. متریک های کد منبع اجزای ضروری در فرآیند اندازه گیری نرم افزار هستند. آنها از کد منبع نرم افزار استخراج می شوند و مقادیر آنها به ما امکان می دهد در مورد کیفیت صفات اندازه گیری شده توسط متریک ها، استنتاج مناسب داشته باشیم. در تحقیقات امروزی، نتایج متضادی در مورد کاربرد متریک های کد منبع نرم افزار به عنوان ویژگی هایی برای مدل های پیش بینی نقص وجود دارد. هدف این تحقیق ارزیابی تطبیق متریک های نرم‌افزاری در مدل‌های پیش‌بینی نقص نرم‌افزار، و شناسایی تاثیر متریک های کد منبع اختصاصی است. با یک مطالعه تجربی بر روی 275 نسخه منتشر شده از 39 پروژه جاوا استخراج شده از گیت هاب، 12 متریک نرم افزاری محاسبه شده و اطلاعات نقص نرم افزاری جمع آوری گردیده است. در این مطالعه، سه مدل طبقه بندی نقص آموزش و مقایسه شده است. نتایج در تمام پروژه ها نشان می دهد که طبقه بند درخت تصمیم (dt) و جنگل تصادفی (rf) بهترین نتایج را نشان می دهد. از جمله متریک های اختصاصی با بالاترین عملکرد می توان به noc، npa، dit و 5lcom اشاره کرد. در حالی که سایر متریک ها، مانند cbo، بهبود قابل توجهی را در مدل ها به ارمغان نمی آورند.