Buchumschlag

Bug Severity Prediction in Software Projects Using Supervised Machine Learning Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Nice, Nafisha Tamanna
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Challenging Bug Prediction and Repair Models with Synthetic Bugs
von: Ibrahimzada, Ali Reza, et al.
Veröffentlicht: (2023)

ARFT-Transformer: Modeling Metric Dependencies for Cross-Project Aging-Related Bug Prediction
von: Ge, Shuning, et al.
Veröffentlicht: (2026)

Comparative Analysis of Quantum and Classical Support Vector Classifiers for Software Bug Prediction: An Exploratory Study
von: Nadim, Md, et al.
Veröffentlicht: (2025)

An Effective Software Risk Prediction Management Analysis of Data Using Machine Learning and Data Mining Method
von: Xu, Jinxin, et al.
Veröffentlicht: (2024)

Quantum vs. Classical Machine Learning Algorithms for Software Defect Prediction: Challenges and Opportunities
von: Nadim, Md, et al.
Veröffentlicht: (2024)

Applications and Challenges of Fairness APIs in Machine Learning Software
von: Das, Ajoy, et al.
Veröffentlicht: (2025)

FGDM: Reasoning Aware Multi-Agentic Framework for Software Bug Detection using Chain of Thought and Tree of Thought Prompting
von: Padmanabhuni, Srita, et al.
Veröffentlicht: (2026)

Towards Enhancing the Reproducibility of Deep Learning Bugs: An Empirical Study
von: Shah, Mehil B., et al.
Veröffentlicht: (2024)

A Systematic Literature Review on the Use of Machine Learning in Software Engineering
von: Fred, Nyaga, et al.
Veröffentlicht: (2024)

Continuous Integration Practices in Machine Learning Projects: The Practitioners` Perspective
von: Bernardo, João Helis, et al.
Veröffentlicht: (2025)

Investigating Reproducibility in Deep Learning-Based Software Fault Prediction
von: Mukhtar, Adil, et al.
Veröffentlicht: (2024)

Effort and Size Estimation in Software Projects with Large Language Model-based Intelligent Interfaces
von: Coelho Jr, Claudionor N., et al.
Veröffentlicht: (2024)

BugGen: A Self-Correcting Multi-Agent LLM Pipeline for Realistic RTL Bug Synthesis
von: Jasper, Surya, et al.
Veröffentlicht: (2025)

Language Models are Better Bug Detector Through Code-Pair Classification
von: Alrashedy, Kamel, et al.
Veröffentlicht: (2023)

More Rigorous Software Engineering Would Improve Reproducibility in Machine Learning Research
von: Wolter, Moritz, et al.
Veröffentlicht: (2025)

BLAZE: Cross-Language and Cross-Project Bug Localization via Dynamic Chunking and Hard Example Learning
von: Chakraborty, Partha, et al.
Veröffentlicht: (2024)

Perspective of Software Engineering Researchers on Machine Learning Practices Regarding Research, Review, and Education
von: Mojica-Hanke, Anamaria, et al.
Veröffentlicht: (2024)

Bug-Report-Driven Fault Localization: Industrial Benchmarking and Lesson Learned at ABB Robotics
von: Hall, Pernilla, et al.
Veröffentlicht: (2026)

LLM Critics Help Catch LLM Bugs
von: McAleese, Nat, et al.
Veröffentlicht: (2024)

Using Small Language Models to Reverse-Engineer Machine Learning Pipelines Structures
von: Lacroix, Nicolas, et al.
Veröffentlicht: (2026)

Diversity Drives Fairness: Ensemble of Higher Order Mutants for Intersectional Fairness of Machine Learning Software
von: Chen, Zhenpeng, et al.
Veröffentlicht: (2024)

Semantic GUI Scene Learning and Video Alignment for Detecting Duplicate Video-based Bug Reports
von: Yan, Yanfu, et al.
Veröffentlicht: (2024)

The Limits of Long-Context Reasoning in Automated Bug Fixing
von: Raju, Ravi, et al.
Veröffentlicht: (2026)

Where's the Bug? Attention Probing for Scalable Fault Localization
von: Stein, Adam, et al.
Veröffentlicht: (2025)

A Machine Learning-Based Error Mitigation Approach For Reliable Software Development On IBM'S Quantum Computers
von: Muqeet, Asmar, et al.
Veröffentlicht: (2024)

When Less is More: On the Value of "Co-training" for Semi-Supervised Software Defect Predictors
von: Majumder, Suvodeep, et al.
Veröffentlicht: (2022)

Quality Issues in Machine Learning Software Systems
von: Côté, Pierre-Olivier, et al.
Veröffentlicht: (2023)

A Feature-Driven Framework for Software Fault Prediction
von: Ghazi, Ahmad Nauman, et al.
Veröffentlicht: (2026)

Bridging the Language Gap: An Empirical Study of Bindings for Open Source Machine Learning Libraries Across Software Package Ecosystems
von: Li, Hao, et al.
Veröffentlicht: (2022)

LLM-Powered Test Case Generation for Detecting Bugs in Plausible Programs
von: Liu, Kaibo, et al.
Veröffentlicht: (2024)

Are Large Language Models Memorizing Bug Benchmarks?
von: Ramos, Daniel, et al.
Veröffentlicht: (2024)

How do Machine Learning Projects use Continuous Integration Practices? An Empirical Study on GitHub Actions
von: Bernardo, João Helis, et al.
Veröffentlicht: (2024)

Breaking the Silence: the Threats of Using LLMs in Software Engineering
von: Sallou, June, et al.
Veröffentlicht: (2023)

ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
von: Abdelkader, Hala, et al.
Veröffentlicht: (2024)

Combining Language and App UI Analysis for the Automated Assessment of Bug Reproduction Steps
von: Mahmud, Junayed, et al.
Veröffentlicht: (2025)

When Bugs Linger: A Study of Anomalous Resolution Time Outliers and Their Themes
von: Patil, Avinash
Veröffentlicht: (2025)

How do Machine Learning Models Change?
von: Castaño, Joel, et al.
Veröffentlicht: (2024)

The Impact of Software Testing with Quantum Optimization Meets Machine Learning
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

SmartChoices: Augmenting Software with Learned Implementations
von: Golovin, Daniel, et al.
Veröffentlicht: (2023)

Data Requirement Goal Modeling for Machine Learning Systems
von: Yamani, Asma, et al.
Veröffentlicht: (2025)