ソフトウェアの不具合予測は，ソフトウェアに潜む不具合を予測することで効率的なレビューやテストを可能にしようとするソフトウェア品質保証活動の 1 つである．従来の多くのソフトウェアの不具合予測では，ソースコード分析による不具合予測を行なっているが，粒度が荒くまた不具合予測の結果のフィードバックが遅い．この問題を解決するために，ソフトウェアの変更がコミットされた時に，その変更によって不具合が起きるかどうかを予測する手法が提案され，近年注目を集めている．ソフトウェアの変更コミットの不具合予測に関する既存研究では，その変更に対するメトリクス （例えば，修正されたファイル数，追加されたコード行数など） を計算した後に機械学習や深層学習を適用している．それに対して，本研究では，変更のソースコード片のみに対して深層学習を適用することで不具合を予測する手法 （W - CNN） を提案する．我々は，評価実験によって，変更ソースコード片に対する深層学習を用いた不具合予測が可能であること，更に，提案手法 W - CNN は先行研究に比べて，学習の時間はかかるものの，不具合予測の精度が優れていることを示す．