龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆大学
申请日：2024-03-25
公开（公告）日：2024-06-25
公开（公告）号：CN118245370A
主分类号：G06F11/36
分类号：G06F11/36;G06N3/045;G06N3/0475;G06N3/084;G06N3/094;G06N20/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及一种使用增强排序学习预测不稳定测试的方法，利用生成对抗网络生成一些合成的不稳定测试来增加数据集。基于增强数据集，将预测不稳定测试视为信息检索任务，其中新检测到的不稳定测试和测试用例分别作为查询和文档。对于每个新检测到的不稳定测试即查询，将多个相关特征组合成一个学习排名模型来预测不稳定测试的候选测试。在不同的学习排名模型上进行了大规模实验，结果显示，本发明方法表现最佳，此外，对23个基准项目的实验结果表明，本方面方法优于现有的预测方法。
主权项：1.一种使用增强排序学习来预测不稳定测试的方法，其特征在于，包括如下步骤：S101：获取现有不稳定测试数据集，该不稳定测试数据集中包括M个测试用例；S102：通过现有的开源工具对所有测试用例收集特征；S103：使用不稳定测试数据中所有测试用例对应的特征对对抗网络GANs进行训练，直至GANs的鉴别器D无法区分生成器G合成测试用例的特征与真实测试用例对应的特征，此时得到训练好的GANs；使用训练好的GANs生成了合成的不稳定测试用例，然后将合成的不稳定测试用例与不稳定测试数据集合并得到类间平衡的增强后数据集；S104：对增强后数据集进行数据重构，经过重构的增强后数据集能适配排序学习模型，使用排序学习模型将不可求导的评价指标转换为可导的损失函数；S105：使用增强后数据集对排序学习模型进行训练，直至排序学习方法的损失不再下降即得训练好的排序学习模型；S106：对于一个新测试用例，使用S102的方法收集该新测试用例的特征，并将该特征输入训练好的排序学习模型，训练好的排序学习模型计算输入新测试用例的可疑值，并根据可疑值大小降序生成排序列表后输出。
全文数据：
权利要求：
百度查询： 重庆大学 一种使用增强排序学习来预测不稳定测试的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号