Resumen

En los proyectos de software, generalmente se reporta una gran cantidad de errores a los repositorios de errores. Debido al presupuesto limitado y a la fuerza laboral, a menudo los desarrolladores pueden no tener suficiente tiempo y capacidad para inspeccionar todos los errores reportados, por lo que suelen enfocarse en inspeccionar y reparar los errores de mayor impacto. Entre los errores de alto impacto, se informa que los errores sorpresa representan una amenaza fatal para los sistemas de software, aunque solo representan una pequeña proporción. Por lo tanto, la identificación de errores sorpresa se convierte en un trabajo importante en la práctica. En los últimos años, algunos métodos han sido propuestos por los investigadores para identificar errores sorpresa. Desafortunadamente, el rendimiento de estos métodos en la identificación de errores sorpresa aún no es satisfactorio para los proyectos de software. La razón principal es que los errores sorpresa representan solo un pequeño porcentaje de todos los errores, y es difícil identificar estos errores sorpresa en la distribución desequilibrada. Con el fin de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Errores; Sorpresa; Proyectos de software; Métodos; Identificación; Aprendizaje automático
• Keywords:Bugs; Surprise; Software projects; Methods; Identification; Machine learning