-
公开(公告)号：CN114780373A
公开(公告)日：2022-07-22
申请号：CN202111471921.2
申请日：2021-11-30
Applicant: 南京大学
IPC: G06F11/36 , G06F40/289 , G06K9/62 , G06V30/412 , G06V10/74
Abstract: 一种基于图像文本融合分析的移动应用众包测试报告排序的方法，其特征是通过自动化地提取众包测试报告的图像和文本特征，根据报告间的相似性度量进行众包测试报告排序为人工审查测试报告负担过大的问题提供新的解决方案。提取完成的图像和文本特征将重新组合缺陷类特征和上下文类特征分别计算相似度。缺陷相似度由问题控件图片相似度和缺陷描述相似度组成，用于表示报告中显示的直接与缺陷相关的信息。上下文相似度由复现步骤相似度和上下文控件相似度组成，它表示上下文信息，包括触发缺陷的操作跟踪和缺陷发生时的活动信息。最后将根据测试报告之间的相似度识别重复的报告，并根据报告揭示新的缺陷的能力进行排序。
-
公开(公告)号：CN113743096A
公开(公告)日：2021-12-03
申请号：CN202010487202.9
申请日：2020-05-27
Applicant: 南京大学
Abstract: 一种基于自然语言处理的众包测试报告相似度检测的方法，采用自然语言处理技术检测众包工人提交的复杂测试报告的相似度，其中功能是对众测报告进行中文分词、去停用词等预处理，将预处理完之后的词组表示的句子利用Word2Vec技术表示为词向量，选取余弦相似度的度量方式计算词向量之间的距离，采用根据先前大量众测报告数据训练的语义模型进行训练，再将各词向量作为K‑Means聚类分析的输入，对各个词向量进行聚类分析，根据设定的相似度阈值将相似的报告归为同一类，可以较为准确的衡量众包测试报告之间的相似度。
-
Patent Agency Ranking
公开(公告)号：CN117234587A
公开(公告)日：2023-12-15
申请号：CN202210715645.8
申请日：2022-06-02
Applicant: 南京大学
IPC: G06F8/74 , G06F8/75 , G06F11/36 , G06V20/62 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于图像理解与代码分析结合的移动测试脚本意图识别的方法，包括图像理解模块和代码识别模块。图像理解模块生成Appium测试脚本中通过Xpath定位控件的语句的意图描述信息，在自动化运行脚本过程中转储必要的媒体信息后，通过OCR技术和深度学习模型针对不同类型的图片生成其语义信息。代码识别模块通过模版匹配的方法将Id类定位的控件映射到其源代码所在的响应函数，将响应函数输入改进的code2seq模型中生成其意图信息。最后将这两个模块生成的意图信息进行整合，生成最后完整的测试脚本的意图报告。
-
公开(公告)号：CN117194212A
公开(公告)日：2023-12-08
申请号：CN202210700869.1
申请日：2022-05-27
Applicant: 南京大学
IPC: G06F11/36 , G06F18/22 , G06F18/23213 , G06V10/764 , G06V10/82 , G06V10/74 , G06V20/70 , G06F40/289 , G06F40/247 , G06F40/268 , G06F40/194
Abstract: 一种基于深度图像语义挖掘的移动应用众包测试报告聚类的方法，包括特征提取模块、距离计算模块、约束规则构建模块和半监督聚类模块。在特征提取模块，提取结构特征、内容特征、缺陷行为和复现步骤四个特征来表示由屏幕截图和文本描述组成的众包测试报告。在距离计算模块，利用提取的特征，采用不同的距离算法分别计算每一对测试报告四个特征相应的半监督聚类距离，并利用加权算法得出每一对测试报告之间总体的半监督聚类距离。在约束规则构建模块，构建语义约束规则，包括Must‑Link和Cannot‑Link。在半监督聚类模块，在语义约束规则的引导下，采用K‑Medoids算法对测试报告进行半监督聚类。
-
公开(公告)号：CN117171006A
公开(公告)日：2023-12-05
申请号：CN202210701026.3
申请日：2022-05-27
Applicant: 南京大学
IPC: G06F11/36 , G06F40/194 , G06F16/35 , G06F40/58 , G06F40/289 , G06F40/30 , G06V20/70 , G06V20/62 , G06V10/82 , G06V10/764 , G06V10/44
Abstract: 一种基于图像文本语意融合分析的移动应用众测报告一致性检测的方法，包括文本增强模块、分类器模块、分解器模块和检测器模板。文本增强器模块对文本描述进行增强，来使得具有不同类型的缺陷的测试报告均匀分布。分类器模块首先为众包测试报告中的缺陷构建了一个分类法。然后基于BERT模型构建了分类器。在分类器将缺陷进行分类后，引入分解器来分析应用程序的屏幕截图和文本描述。通过从文本描述中提取到的特征，以及从应用程序截图中提取包含附加信息的控件，检测器可以根据不同的策略检测到众包测试报告的一致性。
-
公开(公告)号：CN113742731A
公开(公告)日：2021-12-03
申请号：CN202010487163.2
申请日：2020-05-27
Applicant: 南京大学
Abstract: 一种面向代码漏洞智能检测的数据收集方法构建初始的代码漏洞数据集，再利用经过训练的机器学习模型处理未经标注的代码，根据模型标注和人工标注的结果对数据集进行扩充。其中初始数据集的构建是由代码漏洞检测工具的结果结合测试人员的判断得到，机器模型的训练是利用初始数据集，对于未经标注的代码则结合机器学习模型的判定和测试人员的判断结果确定是否发生误报，并据此扩充数据集。
-
公开(公告)号：CN114780373B
公开(公告)日：2025-05-06
申请号：CN202111471921.2
申请日：2021-11-30
Applicant: 南京大学
IPC: G06F11/3668 , G06V30/19 , G06V30/412
Abstract: 一种基于图像文本融合分析的移动应用众包测试报告排序的方法，其特征是通过自动化地提取众包测试报告的图像和文本特征，根据报告间的相似性度量进行众包测试报告排序为人工审查测试报告负担过大的问题提供新的解决方案。提取完成的图像和文本特征将重新组合缺陷类特征和上下文类特征分别计算相似度。缺陷相似度由问题控件图片相似度和缺陷描述相似度组成，用于表示报告中显示的直接与缺陷相关的信息。上下文相似度由复现步骤相似度和上下文控件相似度组成，它表示上下文信息，包括触发缺陷的操作跟踪和缺陷发生时的活动信息。最后将根据测试报告之间的相似度识别重复的报告，并根据报告揭示新的缺陷的能力进行排序。
-
-
-
-
-
-
Search Results
7
records
(took 0.073 seconds)
