Deep learning-based defect prediction for mobile apps

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Kültür Üniversitesi, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: MANZURA JORAYEVA

Eş Danışman: AKBULUT AKHAN, ÇATAL ÇAĞATAY

Özet:

Mobil uygulamalar her geçen yıl popülerliğini artırıyor. Ancak, mobil uygulamalar içerisindeki tanınmayan kusurlar olumsuz kullanıcı deneyiminden ötürü işletmeleri etkileyebilmektedir. Bunu önlemek için, uygulama kusurları sürümlerden önce gözden geçirilmelidir. Kusur önleme için en iyi bilinen yöntemler arasında Gözden Geçirme ve İnceleme, Çözüm Yolu, Günlüğe Kaydetme ve Belgeleme ve Kök Neden Analizi ile makine öğrenimini kullanan yenilikçi tahmine dayalı yaklaşımlar yer almaktadır. Bu tahmin modellerinin yararı, hataya açık modüllere etkin bir şekilde daha fazla test kaynağının tahsis edilebilmesidir. Bu çalışma, mobil uygulamalar için bir hata tahmin modeli sunmayı amaçlamaktadır. Bir kusur tahmin modeli geliştirmek için çapraz proje uyguladık ve Yapay Sinir Ağları (ANN), Evrişimsel Sinir Ağları (CNN) ve Uzun-Kısa Süreli Bellek (LSTM) gibi derin öğrenme algoritmalarını kullanarak Android uygulamaları verisetlerine uyguladık. Veri kümelerini dengelemek için SMOTE Aşırı Örnekleme tekniği, performans elde etmek için hassasiyet, geri çağırma, f1-puanı, ROC ve AUC gibi doğruluk ölçütleri kullanılır ve model sonuçları on kat çapraz doğrulama ile değerlendirildi.