Galegalidou Christiana Thesis Presentation

1. Διπλωματική Εργασία Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 12/4/2021 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ & ΤΠΟΛΟΓΙΣΤΩΝ Επιβλέποντες: Ανδρέας Λ. Συμεωνίδης, Αναπληρωτής Καθηγητής Α.Π.Θ. Διαμαντόπουλος Θεμιστοκλής, Μεταδιδακτορικός Ερευνητής Εκπόνηση: Χριστιάνα Γαλεγαλίδου, Α.Ε.Μ : 8711

2. Διάρθρωση Παρουσίασης 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 2 Εισαγωγή Μεθοδολογία Αξιολόγηση & Αποτελέσματα Συμπεράσματα Μελλοντική Εργασία

3. Περιγραφή του Προβλήματος Διαδικασία Ανάπτυξης Λογισμικού  Συστήματα Καταγραφής Εργασιών  Ορισμός σημαντικών χαρακτηριστικών εργασίας 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 3  Σημαντικότητα: Το αντίκυπο μίας εργασίας στην επιτυχή εκτέλεση ενός Έργου Λογισμικού Πρόβλημα: Χειροκίνητη ανάθεση τιμής σημαντικότητας χωρίς να υπάρχουν σαφείς οδηγίες Αποτελέσματα:  Χρονοβόρα διαδικασία για μεγάλα έργα λογισμικού  Πιθανός ορισμός λάθος τιμών σημαντικότητας

4. Σκοπός της Διπλωματικής 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 4 Στόχος: Αυτοματοποίηση της διαδικασίας καθορισμού της τιμής σημαντικότητας • Αξιοποίηση πληροφορίας από αποθετήρια κώδικα • Επιλογή χαρακτηριστικών που περιέχουν πληροφορία για τη σημαντικότητα • Επιλογή βέλτιστου αλγορίθμου ταξινόμησης

5. To περιβάλλον του Jira 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 5 Jira  Σύστημα Παρακολούθησης Εργασιών Σύνολο Δεδομένων:  >1k έργα (projects)  >700k αναφορές εργασιών (issues)  >100k χρήστες (users)  >2Μ σχόλια (comments)

6. Jira Issue Report & Σημαντικά Πεδία: 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 6 2 Project Title Type Priority Reporter 1 3 4 6 7 Description Created 5

8. Αρχιτεκτονική Συστήματος 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 8

9. Στάδια Προεπεξεργασίας Επί του συνόλου των Δεδομένων 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 9 • Αφαίρεση εγγραφών με κενό χαρακτηριστικό κλάσης • Αφαίρεση εγγραφών με Major σημαντικότητα • Συνολικά issues στο [2000,7000] • Διάταξη των εγγραφών με βάση το χαρακτηριστικό created • Μετατροπή των τιμών του type σε αριθμητικές • Μετατροπή των τιμών της σημαντικότητας σε αριθμητικές: Trivial  1, Minor  2, Critical  3, Blocker  4 Επί των Δεδομένων Κειμένου • Επεξεργασία Κειμένου: The version of Castor I am using is 0.8.9The methods to remove all the components of a vector of objects A are named removeAllA() while the methods to get all the components of the same vector are named getA() the version castor use the method remov compon vector object name remov all method get compon vector name get get all

10. Μοντέλα Τίτλου & Περιγραφής Μετατροπή του κειμένου σε συγκρίσιμη μορφή ⇒ Διανυσματοποίηση – Vector Space Model Χρήση 2 τεχνικών διανυσματοποίησης: 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 10 TF-IDF Word Embeddings 𝑇𝐹_𝐼𝐷𝐹 𝑤, 𝐷 = 𝑇𝐹 𝑤, 𝐷 × 𝐼𝐷𝐹 𝑤, 𝐷 = 𝑇𝐹 𝑤, 𝐷 × 𝑙𝑜𝑔( 𝐶 𝐷𝐹(𝑤) ) • TF: Συχνότητα εμφάνισης του όρου στο έγγραφο • IDF: Λογάριθμος διαφοράς (πλήθος εγγράφων/ πλήθος εγγράφων που περιέχουν τον όρο • w: Όρος, D: ‘Εγγραφο, C: Σύνολο Εγγράφων Χαρτογραφούν τη στατιστική δομή της γλώσσας του συνόλου των εγγράφων. Στόχος Τοποθέτηση σημασιολογικά παρόμοιων λέξεων σε μικρές αποστάσεις σε ένα γεωμετρικό χώρο Έγγραφο 1: The President is having dinner Έγγραφο 2: The Prime Minister eats lunch president Prime Minister having eats dinner lunch

11. Μοντέλo Αριθμητικών Δεδομένων Περιλαμβάνει τα χαρακτηριστικά type & reporter_id Εφαρμογή Sliding Window αλγορίθμου με μέγεθος Window 100 εγγραφών 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 11 Sliding Window Αλγόριθμος • Window μεγέθους WS • Σύνολο n εγγραφών • Χρονική Διάταξη • Πρόβλεψη τιμής για WS+1, WS+2,…,n

12. Σχέση Τιμών Σημαντικότητας 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 12 Έχουν σειρά διάταξης : Trivial < Minor < Critical < Blocker ⇒ Ordinal Classification: Όταν υπάρχει δυνατότητα διάταξης του χαρακτηριστικού κλάσης Classification VS Regression  Classification: Αντιστοίχιση των τιμών εισόδου σε διακριτές τιμές εξόδου Δε λαμβάνει υπόψιν τη σχέση των τιμών του χαρακτηριστικού κλάσης  Regression: Αντιστοίχιση των τιμών εισόδου σε συνεχείς τιμές εξόδου Μετατροπή των συνεχών τιμών σε πιθανότητες κάθε κλάσης με βάση την απόσταση ⇒ Αξιοποίηση Διαδοχικότητας (πχ. ¨1.8¨)

13. Ταξινομητές (1/4): KNN 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 13 Εφαρμογή του αλγορίθμου για τους 3 κοντινότερους γείτονες Επιστροφή πιθανοτήτων για κάθε κλάση Εφαρμογή του στα 3 μοντέλα (τίτλου (α) , περιγραφής (β), αριθμητικών δεδομένων (γ)) Μέσος όρος των αποτελεσμάτων στο τελικό μοντέλο (δ) και επιστροφή επικρατούσας κλάσης Trivial Minor Critical Blocker 0 0.33333 0.33333 0.33333 Trivial Minor Critical Blocker 0 1 0 0 Trivial Minor Critical Blocker 0 0.33333 0.66667 0 Trivial Minor Critical Blocker 0 0. 55555 0.33333 0.11111 (α) (β) (γ) (δ)

15. Ταξινομητές (3/4): Non-Ordinal Νευρωνικό Δίκτυο 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 15 Είσοδος για μοντέλο αριθμητικών δεδομένων: Το σύνολο των δεδομένων ως έξοδος του Sliding Window Είσοδος για μοντέλα τίτλου & περιγραφής: Ειδικό στρώμα που υλοποιεί την Word Embeddings μέθοδο 1 κρυφό στρώμα 20 νευρώνων και στις 3 περιπτώσεις μοντέλων Έξοδος: Στρώμα 4 νευρώνων με πιθανές τιμές 0 & 1, όπου: Συναρτήσεις Νευρωνικού Κόστους categorical_crossentropy Βελτιστοποίησης adam Ενεργοπόιησης Στρώματος Εισόδου relu Ενεργοπόιησης Κρυφού Στρώματος softmax Άθροιση των πιθανοτήτων στο τελικό μοντέλο αντιστοίχως του KNN

16. Ταξινομητές (4/4): Ordinal Νευρωνικό Δίκτυο 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 16 3 νευρώνες εξόδου, όπου: Ένεργοποιημένος νευρώνας εξόδου ⇒ Τιμή >0.5 & Ενεργοποιημένος ο προηγούμενος νευρώνας Τιμές βεβαιότητας κλάσης: P(y=1) = 1 – P(y>1) P(y=2) = (1 – P(y>2))|P(y>1) P(y=3) = (1 – P(y>3) )|P(y>2) P(y=4) = P(y>3) Διαφορές Συναρτήσεων Κόστους binary_crossentropy Ενεργοπόιησης Στρώματος Εξόδου sigmoid

17. Ταξινομητές (4/4): Ordinal Νευρωνικό Δίκτυο 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 17 Σύνθεση Τελικού Μοντέλου • 𝒂𝒊 : Βεβαιότητα μοντέλου τίτλου για την κλάση i • 𝒂𝒋 : Βεβαιότητα μοντέλου περιγραφής για την κλάση j • 𝒂𝒌 : Βεβαιότητα μοντέλου αριθμητικών δεδομένων για την κλάση k Περιπτώσεις: i = j = k ⇒ Επιστρέφεται η κοινή κλάση i ≠ j ≠ k ⇒ Επιστρέφεται η κλάση με την μεγαλύτερη βεβαιότητα 𝒂𝒊 , 𝒂𝒋, 𝒂𝒌 i = j ≠ k ⇒ Επιστρέφεται η κλάση i = j αν 𝒂𝒊 + 𝒂𝒋 > 2 × 𝒂𝒌 – 0.5 Τίτλος Περιγραφή Αριθμητικά Δεδομένα Τελικό Μοντέλο Trivial -> 0.4 Trivial -> 0.4 Minor -> 0.9 Minor Trivial -> 0.8 Trivial -> 0.8 Minor -> 0.9 Trivial

18. Διάρθρωση Παρουσίασης 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 18 Εισαγωγή Μεθοδολογία Αποτελέσματα & Αξιολόγηση Συμπεράσματα Μελλοντική Εργασία

19. Διαδικασία Εκπαίδευσης & Αξιολόγησης 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 19 Μοντέλα προς Αξιολόγηση: • ¨Τίτλου¨ • ¨Τίτλου + Περιγραφής¨ • ¨Τελικό¨ Διαχωρισμός Συνόλων: • Χρονική διάταξη των αναφορών • Οι πρώτες 80% για training και 20% testing Μετρικές Αξιολόγησης: Accuracy = 𝑇𝑃+𝑇𝑁 𝑇𝑃+𝑇𝑁+𝐹𝑃+𝐹𝑁 F1_Score = 2 × 𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 ∗𝑟𝑒𝑐𝑎𝑙𝑙 𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛+𝑟𝑒𝑐𝑎𝑙𝑙

20. Εσωτερική Σύγκριση Μοντέλων 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 20 0.61 0.65 0.68 0.67 0.69 0.70 0.60 0.64 0.67 0.61 0.65 0.68 0.59 0.61 0.62 0.62 0.63 0.63 0.59 0.61 0.61 0.60 0.61 0.63 Παρατηρείται αύξηση της τιμής των μετρικών με προσθήκη κάθε επιπλέον μoντέλου

21. Σύγκριση Τελικών Μοντέλων 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 21

23. Συμπεράσματα 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 23  Το χαρακτηριστικό διάταξης των τιμών σημαντικότητας βελτιώνει την απόδοση του μοντέλου  Καλύτερh απόδοση προκύπτει για τον SVR ταξινομητή  Τα πειράματα δείχνουν ότι τα 4 σύστημα ανταποκρίνονται ικανοποιητικά σε ένα μεγάλο εύρος αποθετηρίων  Το βέλτιστο σύστημα μπορεί να αποτελέσει χρήσιμο εργαλείο στη διαδικασία ανάπτυξης έργων λογισμικού

25. Μελλοντική Εργασία 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 26  Αντιμετώπιση της ανομοιόμορφης κατανομής του χαρακτηριστικού κλάσης  Βελτίωση της τεχνικής εξαγωγής χαρακτηριστικών κειμένου  Βελτίωση των ρυθμίσεων των παραμέτρων των νευρωνικών  Επέκταση με User Interface και ανάθεση τιμών σε πραγματικό χρόνο

26. Ευχαριστίες 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 27 Θα ήθελα να ευχαριστήσω θερμά: • Τον κ. Συμεωνίδη Ανδρέα • Τον Διαμαντόπουλο Θέμη • Όλους εσάς που παρακολουθήσατε την παρουσίαση!

27. Ευχαριστώ πολύ για την προσοχή σας! Ερωτήσεις; 12/4/2021 Εκτίμηση Σημαντικότητας Εργασιών Λογισμικού από Δεδομένα Διαχείρισης Έργων 28

Galegalidou Christiana Thesis Presentation

Galegalidou Christiana Thesis Presentation

Recommended

More Related Content

What's hot

What's hot(20)

Similar to Galegalidou Christiana Thesis Presentation

Similar to Galegalidou Christiana Thesis Presentation(20)

More from ISSEL

More from ISSEL(20)

Recently uploaded

Recently uploaded(20)

Galegalidou Christiana Thesis Presentation