효율적인 소프트웨어 프로젝트 관리를 위해서는 정확한 소프트웨어 공수 예측이 필수적이다. 소프트웨어 공수 예측을 위한 기존의 다양한 방법들 중 유추기반 공수 예측 방법은 실질적으로 많이 사용되는 방법 중 하나로, 새로운 프로젝트의 공수를 과거의 프로젝트 중 유사한 프로젝트들의 공수를 이용하여 예측하는 방법이다. 이 방법의 예측 정확성을 향상시키기 위해 기존의 많은 연구들은 새로운 프로젝트와 유사한 프로젝트를 보다 정확히 선택할 수 있도록 각 속성마다 가중치를 부여하는 속성 가중치 기법들을 제안하였다. 그러나 기존의 기법들은 과거의 프로젝트 전체에 최적화된 하나의 전역적인 가중치 값만을 생성하기 때문에, 서로 다른 특성을 지닌 새 프로젝트들은 각 프로젝트에는 최적화되지 못한 속성 가중치값을 사용하게 된다. 이는 각 프로젝트들의 서로 다른 특성이 고려되지 않기 때문에 유추기반 공수 예측 방법의 정확성을 떨어뜨릴 수 있다. 따라서 본 논문에서는 예측되는 새로운 프로젝트마다 최적화 되어 각 프로젝트에 적합한 속성 가중치를 생성하는 지역적으로 최적화된 속성 가중치 부여 기법을 제안한다. 제안된 기법은 산업 데이터 세트들에 대해 세가지의 서로 다른 속성 가중치 기법들과 함께 검증된다. 실험 결과는 제안된 기법이 유추기반 공수 예측 기법의 정확성에서 다른 기법들 보다 우수함을 보인다.
Accurate software effort estimation is essential for efficient software project management. Among the existing methods for software effort estimation, Analogy-Based effort Estimation (ABE) is one of the most commonly used methods in practice, which is a method to estimate the effort for a new project by using the effort of similar projects in historical projects. In order to improve the accuracy of effort estimation of ABE, many studies suggested attribute weighting techniques that assign weight for each attribute to identify more similar projects with a new project. However, since the existing techniques generate a global weight value that is optimized on the whole historical projects, new projects that have different characteristics use the weight value that is not optimized for each project. It may degrade the accuracy of effort estimation of ABE due to neglecting of different characteristic of each project. Thus, in this paper, we propose a locally optimized attribute weighting technique that generates attribute weight suitable and optimized for a new project to be estimated. The proposed technique is validated with three different attribute weight techniques based on the industrial data sets. The experimental results show that the proposed technique outperforms other techniques in accuracy of effort estimation of ABE.
