眾包測試是軟件測試領(lǐng)域的一個(gè)新興趨勢,引起業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。眾包測試具有可靠、高效、快速等優(yōu)點(diǎn),但眾包平臺上提交的測試報(bào)告數(shù)量龐大且高度冗余,如何在有限的時(shí)間內(nèi)審查到高質(zhì)量的測試報(bào)告是報(bào)告審查人員面臨的一個(gè)挑戰(zhàn)。基于此,本文提出融合文本和圖像信息的眾包測試報(bào)告聚類和優(yōu)先級排序方法。（1）融合文本和圖像信息的眾包測試報(bào)告聚類方法。首先,分別提取測試報(bào)告中的文本信息和截圖信息,利用自然語言處理技術(shù)和空間金字塔匹配技術(shù)對文本信息和截圖信息進(jìn)行處理,計(jì)算報(bào)告間的文本相似度和截圖相似度;其次,利用加權(quán)法計(jì)算測試報(bào)告間的混合相似度,并基于混合相似度對測試報(bào)告進(jìn)行聚類。最后,將該方法應(yīng)用于五個(gè)不同應(yīng)用程序的測試報(bào)告集中。實(shí)驗(yàn)結(jié)果表明,所提方法可以提高眾包測試報(bào)告的聚類精度。（2）融合文本和圖像信息的眾包測試報(bào)告優(yōu)先級排序方法。通過對測試報(bào)告中文本信息和截圖信息的處理,計(jì)算測試報(bào)告間的相似度;此外,結(jié)合文本和截圖信息給出測試報(bào)告的缺陷檢測度;最后,基于測試報(bào)告缺陷檢測度和相似度,提出一種兩階段排序法對測試報(bào)告進(jìn)行優(yōu)先級排序。第一階段,基于缺陷檢測度和報(bào)告間的相似度,對測試報(bào)告集邊排序邊聚類,得到... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 概述
    1.2 研究現(xiàn)狀
    1.3 相關(guān)知識
    1.4 論文結(jié)構(gòu)
2 融合文本和圖像信息的眾包測試報(bào)告聚類
    2.1 研究背景
    2.2 眾包測試報(bào)告聚類方法框架
    2.3 基于文本和圖像信息的眾包測試報(bào)告相似度計(jì)算
    2.4 基于混合相似度的眾包測試報(bào)告聚類算法
    2.5 實(shí)例分析
    2.6 實(shí)驗(yàn)
    2.7 本章小結(jié)
3 融合文本和圖像信息的眾包測試報(bào)告優(yōu)先級排序
    3.1 研究背景
    3.2 眾包測試報(bào)告優(yōu)先級排序方法框架
    3.3 眾包測試報(bào)告信息處理
    3.4 眾包測試報(bào)告優(yōu)先級排序方法
    3.5 實(shí)例分析
    3.6 實(shí)驗(yàn)
    3.7 本章小結(jié)
4 結(jié)論與展望
    4.1 結(jié)論
    4.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于余弦距離選取初始簇中心的文本聚類研究[J]. 王彬宇,劉文芬,胡學(xué)先,魏江宏.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[2]“眾測”在國內(nèi)的應(yīng)用現(xiàn)狀、標(biāo)準(zhǔn)和發(fā)展趨勢[J]. 任亮.  金融電子化. 2017(11)
[3]眾包軟件測試技術(shù)研究進(jìn)展[J]. 章曉芳,馮洋,劉頔,陳振宇,徐寶文.  軟件學(xué)報(bào). 2018(01)
[4]基于混合余弦相似度的中文文本層次關(guān)系挖掘[J]. 董洋溢,李偉華,于會.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[5]Bug Prioritization to Facilitate Bug Report Triage[J]. Jaweria Kanwal,Onaiza Maqbool.  Journal of Computer Science & Technology. 2012(02)
[6]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報(bào). 2008(01)

博士論文
[1]眾包測試報(bào)告的挖掘與評估[D]. 陳信.大連理工大學(xué) 2018
[2]融合文本信息的圖像分類和標(biāo)注關(guān)鍵問題研究[D]. 楊柳.北京交通大學(xué) 2016

碩士論文
[1]Fussify：基于特征融合的眾包測試報(bào)告分類方法[D]. 郝蕊.南京大學(xué) 2017
[2]基于SVM算法的文本分類的研究[D]. 王梓諾.吉林大學(xué) 2017
[3]基于支持向量機(jī)的中文文本分類研究[D]. 楊孟英.華北電力大學(xué) 2017
[4]基于支持向量機(jī)的不平衡數(shù)據(jù)分類算法研究[D]. 劉東啟.浙江大學(xué) 2017



本文編號：3148048