[发明专利]基于修复缺陷的变更预测回归测试失效的方法及装置有效
| 申请号： | 201510524123.X | 申请日： | 2015-08-24 |
| 公开（公告）号： | CN105045719B | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 唐新烨;王青 | 申请（专利权）人： | 中国科学院软件研究所 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36 |
| 代理公司： | 北京汇泽知识产权代理有限公司 11228 | 代理人： | 张瑾 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于修复缺陷的变更预测回归测试失效的方法及装置，涉及源代码的变更分析技术领域，用于解决现有技术无法找到哪些相应的测试用例会引发回归测试的失效的问题。所述方法包括：通过对修复缺陷的变更历史的分析，获取有影响的因素，从中选取特征向量，构建特征模型；使用Logistic回归模型，对所构建的特征模型进行机器学习，得到预测模型；使用所述预测模型对修复缺陷的变更是否会导致回归测试失效进行预测；通过对静态调用图的分析，对可能导致回归测试失效的测试用例进行推荐。本发明适用于在修复软件源代码中存在的缺陷时提供导致回归测试失效的具体测试用例。 1 | ||
| 搜索关键词： | 回归测试 变更 修复 源代码 特征模型 预测模型 测试 构建 预测 机器学习 静态调用 特征向量 修复软件 分析 | ||
【主权项】：
1.一种基于修复缺陷变更的预测回归测试失效的方法，其特征在于，包括：通过对修复缺陷的变更历史的分析，获取有影响的因素，从中选取特征向量，构建特征模型；使用Logistic回归模型，对所构建的特征模型进行机器学习，得到预测模型；使用所述预测模型对修复缺陷的变更是否会导致回归测试失效进行预测；通过对静态调用图的分析，对可能导致回归测试失效的测试用例进行推荐；所述使用所述预测模型对修复缺陷的变更是否会导致回归测试失效进行预测包括：将修复缺陷的变更按照时间顺序进行排序；将修复缺陷的变更分为四份，每一份包含等量的引起回归测试失效的变更；使用前三份数据作为训练集来训练模型，使用最后一份数据作为测试集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所，未经中国科学院软件研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510524123.X/，转载请声明来源钻瓜专利网。
