초록 ▼

□ 연구개요
본 연구의 목표는 딥러닝 기반의 기술을 이용하여 다양한 버그관리 업무를 위한 자동화된 소프트웨어 도구를 개발하는 것임. 근래 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN) 등의 다양한 딥 러닝 기술은 음성인식, 이미지 분류 등의 분야에서 기존 기계학습 알고리즘을 크게 상회하는 성능을 보여주고 있음. 또한, 최근 관련 연구에서 자연어로 기술된 문서 분류 문제에서도 좋은 성능을 보인다는 것이 보고됨. 우리는 본 연구에서 딥러닝 기법과 방대한 오픈소스

□ 연구개요
본 연구의 목표는 딥러닝 기반의 기술을 이용하여 다양한 버그관리 업무를 위한 자동화된 소프트웨어 도구를 개발하는 것임. 근래 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN) 등의 다양한 딥 러닝 기술은 음성인식, 이미지 분류 등의 분야에서 기존 기계학습 알고리즘을 크게 상회하는 성능을 보여주고 있음. 또한, 최근 관련 연구에서 자연어로 기술된 문서 분류 문제에서도 좋은 성능을 보인다는 것이 보고됨. 우리는 본 연구에서 딥러닝 기법과 방대한 오픈소스 리파지토리를 이용하여 1) 소스 코드를 동적 테스트하지 않고서도 버그 취약성을 예측할 수 있는 방법, 2) 버그 리포트에 나타난 버그를 해결하기 위해 고쳐져야 하는 소스코드를 추천하는 방법, 3) JIRA 프레임웍 플러그인 개발과 버그 관리도구 고도화에 대한 연구를 수행함.

□ 연구 목표대비 연구결과
본 연구는 소프트웨어 개발과 유지보수 단계에서 필연적으로 발생하는 버그를 효과적으로 관리하기 위한 딥러닝 기반의 지능형 도구의 개발을 위한 것으로, 과제 자체가 매우 실용적이며 소프트웨어 개발 산업에 큰 중요성을 가지며, 다음과 같은 연차별 목표를 수립하고 계획대로 연구를 추진하였음.
1 단계 : 딥러닝 기반의 소스코드 버그 예측기 개발
- AST 구조를 이용한 소스 코드의 효과적 워드 임베딩 기술 연구 : 완료
- 수작업 추출 피쳐와 딥러닝 피쳐 결합 방안 연구 : 완료
- 소스 코드 임베딩을 이용한 버그 예측 딥러닝 모델 개발 : 완료
2단계 : 딥러닝을 이용한 버그 지역화 (Bug localization) 기술 개발
- 소프트웨어 리파지토리의 버그 리포트 추출 및 정제 : 완료
- 소스 코드 및 버그 리포트의 혼합 임베딩 방안 연구 : 완료
- 딥러닝 기반 버그 지역화 도구 개발 : 완료
3단계 : 지능형 버그 관리도구의 JIRA 플러그인 개발 및 딥러닝 모델 고도화
- 지능형 버그 관리시스템 JIRA 플러그인 개발 : 완료
- 개발된 버그 관리 도구들의 최적화 방안 연구 : 완료

□ 연구발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
(1) 산업적 관점: SW 개발과 유지보수 과정에서 버그 관리를 위한 도구로 활용
- 버그 관리에 수반되는 인적 노력과 시간을 절감하여 생산성 증대
- 문제 가능성이 높은 소스코드의 테스팅에 더 집중하여 테스트 비용 감소
- JIRA 시스템의 플러그인 방식 작동으로 매우 간편하게 도입 가능
(2) 학술적 관점: 딥러닝 기반의 SW 리파지토리 분석 및 예측 분야의 연구토대 마련
- 지속적 SW 리파지토리 공개를 통해 버그관리 지능화 학습 데이터 증가가 예상됨
- 감정 분류, 토픽 분류 등 다방면에서 우수성이 입증된 딥러닝 기반 텍스트 분류기술의 또다른 실용적 응용 분야 발굴 및 기술 고도화
- 텍스트 분류를 위한 딥러닝 모델과 예측기 연구를 통해 우수 연구인력 양성 및 원천기술 확보
(3) 기술적 관점: 최첨단의 딥러닝 관련 지식재산권 및 인력확보
- SW 리파지토리 마이닝과 딥러닝 기법의 결합을 통해 선도적 연구 토대 마련
- 특허 및 기술이전 추진으로 딥러닝 기반의 소프트웨어공학 도구 핵심기술 획득 및 산업계에 기술 전파
- 고 부가가치의 딥러닝 기반 소프트웨어 개발 및 유지보수 도구 개발에 전문화된 연구 인력 양성

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 2.1 딥러닝 기반의 소스코드 버그 예측기 개발 ... 5
• 2.2 딥러닝을 이용한 버그 지역화 (Bug localization) 기술 개발 ... 8
• 2.3 지능형 버그 관리 시스템 플러그인 개발 및 딥러닝 모델 고도화 ... 11
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 17
• 1) 정성적 연구개발성과(연구개발결과) ... 17
• 2) 세부 정량적 연구개발성과 ... 17
• 3) 목표 달성 수준 ... 17
• 4) 목표 미달 시 원인 분석 ... 18
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 18
• 5. 연구개발성과의 관리 및 활용 계획 ... 18
• 6. 참고문헌 ... 19
• 붙임1. 세부 정량적 연구개발성과 ... 21
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 28
• 끝페이지 ... 38