lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Importance and Aptitude of Source code Density for Commit Classification into Maintenance Activities
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (Ctr Data Intens Sci & Applicat, DISA;DSIQ)
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (Ctr Data Intens Sci & Applicat, DISA;DSIQ)ORCID-id: 0000-0003-1173-5187
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (Ctr Data Intens Sci & Applicat, DISA;DSIQ)ORCID-id: 0000-0002-7565-3714
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM). (Ctr Data Intens Sci & Applicat, DISA;DSIQ)ORCID-id: 0000-0002-0835-823X
2019 (Engelska)Ingår i: 2019 IEEE 19th International Conference on Software Quality, Reliability and Security (QRS) / [ed] Dr. David Shepherd, IEEE, 2019, s. 109-120Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Commit classification, the automatic classification of the purpose of changes to software, can support the understanding and quality improvement of software and its development process. We introduce code density of a commit, a measure of the net size of a commit, as a novel feature and study how well it is suited to determine the purpose of a change. We also compare the accuracy of code-density-based classifications with existing size-based classifications. By applying standard classification models, we demonstrate the significance of code density for the accuracy of commit classification. We achieve up to 89% accuracy and a Kappa of 0.82 for the cross-project commit classification where the model is trained on one project and applied to other projects. Such highly accurate classification of the purpose of software changes helps to improve the confidence in software (process) quality analyses exploiting this classification information.

Ort, förlag, år, upplaga, sidor
IEEE, 2019. s. 109-120
Nyckelord [en]
Software Quality, Commit Classification, Source Code Density, Maintenance Activities
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
Data- och informationsvetenskap, Datavetenskap
Identifikatorer
URN: urn:nbn:se:lnu:diva-85473DOI: 10.1109/QRS.2019.00027ISBN: 9781728139272 (digital)ISBN: 9781728139289 (tryckt)OAI: oai:DiVA.org:lnu-85473DiVA, id: diva2:1325953
Konferens
The 19th IEEE International Conference on Software Quality, Reliability, and Security, July 22-26, 2019, Sofia, Bulgaria
Tillgänglig från: 2019-06-17 Skapad: 2019-06-17 Senast uppdaterad: 2020-01-29Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Personposter BETA

Hönel, SebastianEricsson, MorganLöwe, WelfWingkvist, Anna

Sök vidare i DiVA

Av författaren/redaktören
Hönel, SebastianEricsson, MorganLöwe, WelfWingkvist, Anna
Av organisationen
Institutionen för datavetenskap och medieteknik (DM)
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 87 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf