(学位论文)众包软件测试的质量保证方法研究.pdf
《(学位论文)众包软件测试的质量保证方法研究.pdf》由会员分享,可在线阅读,更多相关《(学位论文)众包软件测试的质量保证方法研究.pdf(161页珍藏版)》请在咨信网上搜索。
1、Y3527635分类号 密 级u D C 单位代码10众包软件测试的质量保证方法研究万方数据大连海事大学学位论文原创性声明和使用授权说明 原创性声明本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,撰写成博/硕士学位论文“众包软件测试的质量保证方法研究”除论文中已经 注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明 确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表 或未公开发表的成果.本声明的法律责任由本人承担。学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学 位论文的规定,即:大连海事大学有
2、权保留并向国家有关部门或机构送交学位论 文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士 学位论文全文数据库(中国学术期刊(光盘版)电子杂志社)、中国学位论文全文 数据库(中国科学技术信息研究所)等数据库中,并以电子出版物形式出版发行和 提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于:保密口在.年解密后适用本授权书。不保密g(请在以上方框内打)万方数据创新点摘要创新点摘要(1)提出基于多任务匹配的众包协作测试框架PM2C
3、T,从任务划分、多任务 匹配和结果处理三个环节入手改善测试质量。应用于Web协作测试,多任务匹配 算法动态指派任务,使越复杂的Web页面能够接收更多的测试,保证测试的覆盖 率和可靠的测试结果.实验对比分析表明,PM2CT要优于CPLEX求解器和代表 性的众包Web应用测试方法。(2)针对RS MOTE随机采样产生的不确定性问题,提出一种使用Ch o uqet模 糊积分方法集成多次RS MOTE来识别Bug严重程度的方法FC-FI.实验对比分析 表明RS MOTE相比于RUS,ROS,S MOTE和CMA具有更好的泛化能力。Ecl i pse,Mo zi l l a,GNOME三个数据集上实验结
4、果说明FC-FI要比M药o r Vbti ng,Baggi ng,Adabo o st的性能更好。(3)针对Andro i d台Bug报告训练数据不足的问题,提出一种基于文本数据挖 掘和粗糙集的知识迁移方法KTC.通过对Ecl i pse,Mo zi l l a两个已标注信息的Bug 报告数据集进行特征提取,KTC方法可以有效地提取已标注Bug报告数据集中的 特征信息作为知识,来识别安卓平台的高影响力Bug报告。万方数据中文摘要摘要众包软件测试可以快速地以较低的成本获得大量真实的用户反馈,是一种新 型的分布式测试方法和生产组织模式。最近出现了若干技术将众包应用于特定软 件测试任务,如Web应用
5、程序测试、开源测试和游戏beta测试等。在利用众人集 体的努力而获得的成效虽然是显而易见的,但对众包软件测试的质量保证问题却 知之甚少。为此,如何有效地整合互联网上的大量人力和机器资源协作测试,获 得高质量的测试结果是一个有趣且具有挑战性的课题。本文从众包软件测试的任务指派和反馈Bug报告处理两个侧面改进众包软件 测试的质量保证,论文的具体贡献如下:(1)提出基于多任务匹配的众包协作测试框架PM2CT,从任务划分、多任务 匹配和结果处理三个环节入手改善测试质量。应用于Web协作测试,多任务匹配 算法使用能力匹配策略将相应难度的测试任务动态地派给相应的测试人员,使越 复杂的Web页面能够接收更多
6、的测试,保证测试的覆盖率和可靠的测试结果。通 过仿真实验对比分析,PM2CT的测试性能要优于CPLEX求解器和有代表性的基 于众包的Web应用测试方法。(2)针对Bug报告有噪音且数据分布不平衡的问题,提出-一种基于实例模糊 炳和RS MOTE的Bug严重性识别方法FER。其特点是先使用模糊最近邻规则(F-KNN)选出高质量的Bug报告类,再使用RS MOTE方法对这些分布不平衡的类 别进行处理。通过对Ecl i pse,Mo zi l l a,GNOME三个数据集验证,实验结果说明 FER方法可以有效地提高Bug报告严重程度的识别性能。(3)提出一种基于特征选择和RS MOTE的高影响Bug
7、报告识别方法。通过 Camel和Wi cket两个数据集上的对比分析,实验结果表明本工作的方法能够有效 地增强Bug报告训练集,提高高影响力Bug报告的识别能力。(4)针对RS MOTE随机采样产生的不确定性问题,提出一种使用Ch o uqet模 糊积分集成多次RS MOTE来识别Bug严重程度的方法FC-FI.它首先多次使用 RS MOTE处理不平衡数据集,据此训练多个分类器,再使用Ch o uqet模糊积分方 万方数据中文摘要法集成这些分类器来预测Bug报告的严重程度。Ecl i pse,Mo zi l l a,GNOME三个 数据集上实验结果说明FCFI要比M可。r Vo ti ng,B
8、aggi ng,Adabo o st的性能更好.(5)针对有些平台Bug报告训练数据不足的问题,提出一种基于文本数据挖掘 和粗糙集的知识迁移方法KTC.它先对已标注的Bug报告使用基于粗糙集的I DR 策略进行特征提取,并将提取到的特征信息迁移到训练数据不足的平台项目中来,以此学习识别具有高影响力的Bug报告。通过对Ecl i pse,Mo zi l l a两个己标注信息 的Bug报告数据集进行特征提取,迁移学习识别未标注的安卓Bug报告。实验结 果表明KTC方法可以有效地提取已标注Bug报告数据集中的特征信息作为知识 库,来识别安卓平台的高影响力Bug报告.关德词:众包软件测试;任务指派;B
9、ug报告处理;数据不平衡;模糊积分万方数据英文摘要ABSTRACTCro wdso urced so ftware testi ng i s a new paradi gm o f di stri buted testi ng and pro ducti o n o rgani zati o n,wh i ch can o btai n abundant real users feedbacks qui ckl y and l ess co stl y.Many tech ni ques h ave recentl y emerged to appl y cro wdso urci ng to
10、 certai n types o f so ftware testi ng such as Web appl i cati o n testi ng,o pen-so urce testi ng,and game beta testi ng.Wh i l e th e benefi ts o f h arnessi ng th e co l l ecti ve effo rts o f i ndi vi dual s are o bvi o us,l ess i s kno wn abo ut th e qual i ty assurance o f testi ng i n a cro w
11、so urced envi ro nment.S o an i nteresti ng and ch al l engi ng to pi c i s to co nsi der h o w to i ntegrate th e mass and co mputi ng reso urces o n th e I nternet to test co l l abo rati vel y and to yi el d qual i ty testi ng o utco mes.Th i s th esi s ai ms at i mpro vi ng th e qual i ty co ntr
12、o l o f cro wso urced so ftware testi ng,especi al l y i n terms o f task assi gnment and bug repo rt pro cessi ng.And th e co ntri buti o ns are as fo l l o ws:(1)We pro po se a co o perati ve framewo rk fo r cro wdso urced testi ng based o n mul i ti pl e task match i ng(PM2CT),wh i l e i mpro vi
13、ng test qual i ty at th e ph ase o f task parti ti o n,assi gnment and resul t aggregati o n.Wh en appl yi ng to Web appl i cati o n testi ng,mul ti-task match i ng al go ri th m can adati vel y assi gn certai n tasks to appro pri ate testers by ski l l match i ng h euri sti cs to test co mpl i cate
14、 pages mo re i n o rder to ensure test co verage and rel i abi l i ty o f testi ng resul ts.Experi mental resul ts sh o w th at PM2CT i s co mparati vel y better th an CPLEX to o l s,and al so o utperfo rms a representati ve cro wd-based Web appl i cati o n testi ng tech ni que.(2)To aggregate no i
15、sy and i mbal anced bug repo rts,we pro po se a meth o d FER fo r i denti fyi ng bug severi ty by usi ng an i nstance fuzzy entro py and RS OMTE.FER features th e fi i zzy k-nearest nei gh bo r rul e(F-KNN)fo r remo vi ng l ess i mpo rtant bug repo rts,and an i mpro ved S ynth eti c Mi no ri ty Over
16、-sampl i ng appro ach(RS MOTE)fo r curbi ng th e di stri buti o ni mbal ance.Co nducted o n real bug repo rts fro m th ree o pen so urce pro jects,several experi ments stati sti cal l y i ndi cate th at th e present appro ach i s ro bust agai nst real i mbal anced data wh i l e predi cti ng th e sev
17、eri ty o f bug repo rts effecti vel y.万方数据英文摘要(3)We pro po se to use feature sel ecti o n and RS OMTE to i denti fy h i gh-i mpact bug repo rts.To do so,we fi rst empl o y th ree feature sel ecti o n al go ri th ms to remo ve no i sy and l ess-di scri mi nati ve features,RS MOTE i s next 叩pl i ed to
18、 enh ance trai ni ng sets.S everal experi ments h ave been co nducted o n datasets Camel and Wi cket o btai ned fro m real-wo rl d bug repo si to ri es.Th e resul ts sh o w th at th e pro po sed appro ach can to l erate real i mbal anced data wh i l e effecti vel y i denti fyi ng th e h i gh-i mpact
19、 bug repo rts.(4)Fo cused o n th e uncertai nty ari sed fro m th e rando m sampl i ng by RS MOTE,we pro po se an appro ach FC-FI to predi cti ng bug severi ty by i ntegrati ng mul ti pl e RS OMTE-enh anced cl assi fi ers wi th Ch o uqet fuzzy i ntegral.To do so,we trai n th e cl assi fi ers respecti
20、 vel y wi th th e bal anced datasets o btai ned fro m RS MOTE.Th en,we use fuzzy i ntegral to i ntegrate th em to o btai n th e ul ti mate predi cti o n resul ts.S everal experi ments h ave been co nducted o n bug repo rts fro m ten datasets o f th ree l arge o pen so urce pro jects,namel y Ecl i ps
21、e,Mo zi l l a and GNOME.Th e resul ts sh o w th at o ur appro ach can effecti vel y reduce th e data scal e and i mpro ve th e perfo rmance o f i denti fy th e severi ty o f bug repo rts.(5)To tackl e th e i nsuffi ci ent anno tated data pro bl em i n so me pl atfo rm,we pro po se a Kno wl edge Tran
22、sfer Cl assi fi cati o n(KTC)appro ach based o n text mi ni ng and ro ugh set.KTC uses an I mpo rtance Degree Reducti o n(I DR)strategy based o n ro ugh set to extract ch aracteri sti c keywo rds wh en trai ni ng o n anno tated bug repo si to ri es,and transfer wh at l earned to predi ct th e severi
23、 ty o f unanno tated Andro i d bug repo rts.Th e resul ts o f several experi ments i ndi cate th at KTC appro ach i s benefi ci al fo r predi cti ng th e severi ty o f Andro i d bug repo rts.Key Wo rds:Cro w so urc ed So ft w are Test ing;Task Assignment;Bug Repo rt Pro c essing Class Imbalanc e Fuz
24、 Int egral万方数据目 录目 录第1章绪论.11.1 研究背景和意义.11.2 众包质量保证的研究现状.31.2.1 任务分派.31.2.2 结果处理.101.2.3 用户参与度.131.2.4 信用度评价.1713众包软件测试的研究现状分析.211.4 当前存在的主要问题.271.5 本文的组织结构.28第2章基于多任务匹配的众包协作测试方法.302.1 引言.302.2 PM2CT 模型.302.2.1 模型描述.302.2.2 Web协作测试问题形式化.322.3 PM2CT任务划分和分配.352.3.1 任务划分算法(TPA).352.3.2 多任务匹配算法(MMA).372.
25、4 实验设计.382.4.1 系统实现.382.4.2 实验设置.402.4.3 评价标准.412.5 实验结果.422.6 本章小结.48第3章基于特征选择和RS MOTE的高影响Bug报告识别.503.1 引言.503.2 基础知识.513.2.1 特征选择算法.513.2.2 不平衡算法.543.2.3 超限学习机(ELM).563.3 RS MOTE 模型.58万方数据目 录3.3.1 模型介绍.583.3.2 RS MOTE 方法.593.4 实验设计.613.4.1 实验数据.613.4.2 评价标准.623.5 实验结果.633.6 本章小结.69第4章基于实例模糊熠和RS OM
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 学位 论文 软件 测试 质量保证 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【曲****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【曲****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。