Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/19374
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorอัษฎาพร ทรัพย์สมบูรณ์-
dc.contributor.authorสัญชัย พิทักษ์ชลทรัพย์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี-
dc.date.accessioned2012-05-01T14:37:24Z-
dc.date.available2012-05-01T14:37:24Z-
dc.date.issued2553-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/19374-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553en
dc.description.abstractข้อมูลซอฟต์แวร์อาร์ไคฟว์เป็นข้อมูลที่รวบรวมกระบวนการพัฒนาระบบซอฟต์แวร์ในอดีตเอาไว้ทั้งหมด การประยุกต์เทคนิคการค้นหากฎความสัมพันธ์บนข้อมูลซอฟต์แวร์อาร์ไคฟว์ สามารถสกัดรูปแบบของการพัฒนาที่เกิดขึ้นในอดีตออกมาได้ รูปแบบของการพัฒนาที่เกิดขึ้นในอดีตเหล่านี้มีประโยชน์มากต่อขั้นตอนการพัฒนาและการบำรุงรักษาซอฟต์แวร์ อาทิเช่น แนะนำนักพัฒนาว่าเมื่อแก้ไขซอฟต์แวร์ในส่วนนี้แล้ว นักพัฒนาควรจะต้องไปแก้ไขซอฟต์แวร์ที่ส่วนใดอีก งานวิจัยในอดีตที่ศึกษาการประยุกต์เทคนิคดังกล่าว มักจะใช้ตัวแบบค่าสนับสนุนค่าความเชื่อมั่นเป็นตัวแบบในการประเมินความน่าสนใจของกฎความสัมพันธ์ แต่ตัวแบบนี้มีข้อบกพร่องที่สำคัญคือสามารถให้ผลลัพธ์ที่เป็นผลบวกลวงจ านวนมาก ต่อมา Liu และคณะ (Liu et al., 2008) ได้เสนอตัวแบบค่าสนับสนุนค่าความเชื่อมั่นใหม่เพื่อปรับปรุงข้อบกพร่องดังกล่าวของตัวแบบเดิม งานวิจัยนี้เป็นงานวิจัยเชิงทดลอง เพื่อเปรียบเทียบประสิทธิภาพของการค้นหากฎความสัมพันธ์บนข้อมูลซอฟต์แวร์อาร์ไคฟว์ ด้วยตัวแบบเดิมและตัวแบบใหม่ ผู้วิจัยสร้างเครื่องมือขึ้นมาเพื่อใช้ในการทดสอบเปรียบเทียบกับข้อมูลซอฟต์แวร์อาร์ไคฟว์ ของโครงการพัฒนาซอฟต์แวร์ชื่อเคมายมันนี่ (KMyMoney) ผลการประเมินแสดงให้เห็นว่า ประสิทธิภาพของกฎความสัมพันธ์ที่ได้จากการใช้ตัวแบบใหม่ มีค่าสูงกว่าการใช้ตัวแบบเดิมในสถานการณ์การนำทางอย่างมีนัยสำคัญ แต่มีค่าไม่ต่างกันหรือน้อยกว่าในสถานการณ์การป้องกันการเกิดข้อผิดพลาด และสถานการณ์การเปลี่ยนแปลงแก้ไขที่สมบูรณ์แล้วen
dc.description.abstractalternativeSoftware archives contain historical information about the development process of a software system. Applying association rule discovery on these archives, the software development patterns can be extracted. This information is useful to support software modification activities, such as it indicate which modules are usually modified together during software maintenance. All previous works on association rule mining technique focused on classical interestingness measure model called support-confidence. This model has a defect which offers a number of false positives. The new model, named support-new confidence, was proposed by Liu et al (Liu et al., 2008), to improve the false positive issue in the classical model. This research is an experimental research of the compare the efficiency of applying association rule discovery on software archive using classical model and Liu et al's model. The experiments were conducted on software archive of KMyMoney software project. The results show that the efficiency of the rules obtained in new model are significantly higher than the rules obtained in classical model in nevigation scenario but are not difference or lower than the rules obtained in classical model in error prevention and closure scenario.en
dc.format.extent3922084 bytes-
dc.format.mimetypeapplication/pdf-
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.subjectซอฟต์แวร์ -- การพัฒนา-
dc.subjectดาต้าไมนิง-
dc.subjectComputer software -- Development-
dc.subjectData mining-
dc.subjectAssociation rule mining-
dc.titleการเปรียบเทียบประสิทธิภาพของการประยุกต์เทคนิคการค้นหากฎความสัมพันธ์บนข้อมูลซอฟต์แวร์อาร์ไคฟว์ ด้วยตัวแบบค่าสนับสนุน-ค่าความเชื่อมั่นและตัวแบบค่าสนับสนุน-ค่าความเชื่อมั่นใหม่en
dc.title.alternativeA comparison of the effeciency of applying association rule discovery on software archive using support-confidence model and support-new confidence modelen
dc.typeThesises
dc.degree.nameวิทยาศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineการพัฒนาซอฟต์แวร์ด้านธุรกิจes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
dc.email.advisorAssadaporn.S@Chula.ac.th-
Appears in Collections:Acctn - Theses

Files in This Item:
File Description SizeFormat 
Sunchai_pi.pdf3.83 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.