申请/专利权人:南京大学
申请日:2024-04-08
公开(公告)日:2024-06-21
公开(公告)号:CN118227498A
主分类号:G06F11/36
分类号:G06F11/36;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了一种基于机器学习的Python代码共同演化测试用例预测的方法,其步骤为首先从软件的版本控制系统中获取该软件历史版本的源代码和待测版本的源代码,并使用代码关联技术,将产品代码关联到相对应的测试代码上;再通过特征提取方法将代码历史变更信息转变为特征向量,得到训练集和测试集;然后用深度神经网络模型对训练集进行模型训练,并使用模型来对测试集进行预测;最终在程序开发和维护阶段,根据深度神经网络模型的预测结果对可能需要维护的资源对象操作进行提醒,辅助开发和维护。本发明解决了目前缺乏针对Python语言资源共同演化过程中对于测试用例变更进行预测的问题,提高了软件质量。
主权项:1.一种基于机器学习的Python代码共同演化测试用例预测方法,其特征在于,其测试用例预测方法步骤包括:从软件版本控制系统收集同一个Python软件的历史版本和待测版本;将所有版本中的产品代码和测试代码使用关联规则对两者进行关联整合,构建共同演化对;基于在不同历史版本下共同演化对,将产品代码对应的测试代码根据是否出现在同一个提交中来进行标签标记,并利用特征提取技术提取已标记的产品代码的资源变更的相关特征向量,得到训练集;对于待测版本,使用相同的特征提取技术提取产品代码的资源变更的相关特征向量,得到测试集;利用所述训练集训练深度神经网络模型,利用训练好的深度神经网络模型对所述测试集进行预测,得到待测版本中变更的产品代码对应的测试代码的变更预测信息,并对预测的数值进行转换标注;根据标注的预测结果,对测试代码进行检测修正,并将修正后的源代码增量添加到训练集作为下次深度神经网络模型的训练集。
全文数据:
权利要求:
百度查询: 南京大学 一种基于机器学习的Python代码共同演化测试用例预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。