-
公开(公告)号：CN115186740A
公开(公告)日：2022-10-14
申请号：CN202210745430.0
申请日：2022-06-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于测试异味的不稳定测试根因分类方法，该方法包括：将执行失败的测试用例重新执行指定次数，若出现至少有一次执行结果与之前不同的情况，则可以判断该测试用例为不稳定测试；针对筛选出来的不稳定测试，使用现有的技术检测其存在哪些测试异味；将测试异味检测结果输入到分类器算法中，分类器会预测导致该不稳定测试的根本原因。本发明提供的方法，利用测试异味和不稳定测试之间紧密的对应关系，通过测试异味来预测不稳定测试的根本原因，极大的降低了根因分析的耗时，有助于提升不稳定测试原因分析的效率和修复策略的推荐。
-
公开(公告)号：CN111444682B
公开(公告)日：2022-04-22
申请号：CN202010373637.0
申请日：2020-05-06
Applicant: 南京大学
IPC: G06F40/151 , G06F40/103 , G06F30/20 , G06F16/84 , G06F119/14
Abstract: 本发明属于系统动力学领域，具体涉及一种系统动力学模型转换为XML文件的方法，系统动力学模型转换为XML文件的步骤为：步骤一：转换系统动力学模型的仿真配置信息，将系统动力学模型的仿真配置信息转换到XML的execute节点下；步骤二：生成组件序号，系统动力学模型中的所有组件编号，每个编号唯一标识一个组件，每一个组件对应的编号为该组件的唯一标识符；步骤三：转换系统动力学模型组件的属性信息转换到XML的对应节点下。本发明基于XML通用格式的系统动力学模型文件具备可拓展性和外部可编辑性，便于移植到其他系统中使用。
-
公开(公告)号：CN111367798B
公开(公告)日：2021-05-28
申请号：CN202010129434.7
申请日：2020-02-28
Applicant: 南京大学
Abstract: 本发明公开了一种持续集成及部署结果的优化预测方法。本方法包括：专门用于预测持续集成及部署结果的特征集合；利用构建日志和代码提交日志度量集合中的特征的方法；包含备选采样器和备选分类器，以及结合采样器和分类器，利用根据特征集合所构建的样本集训练的用于预测集成及部署结果的模型池；根据自定义的构建频率阈值，利用优化算法从模型池中选择效率最优模型；利用效率最优模型预测持续集成及部署结果，若结果为通过则不执行脚本，若结果为失败则执行脚本。本发明实现了准确预测持续集成及部署结果，以满足软件开发团队对构建频率的具体要求，达到降低实施持续集成及部署的成本、提高生产效率的目的。
-
公开(公告)号：CN111460137A
公开(公告)日：2020-07-28
申请号：CN202010431043.0
申请日：2020-05-20
Applicant: 南京大学
IPC: G06F16/34 , G06F16/33 , G06F40/284 , G06F40/30
Abstract: 本发明属于软件测试技术领域，具体涉及一种模型的微服务关注点识别方法、设备及介质。其中，微服务关注点的识别方法，包括：基于微服务项目源代码的文本文件，利用主题模型识别出其中的主题集；分析微服务项目代码的语法树以及服务接口调用关系，确定所有代码文件间的依赖关系网络；根据所识别出来的主题集以及代码文件依赖关系网络，判断主题集中每一个主题是能够体现软件需求的功能性主题还是噪声主题，并给出每一个微服务对应的功能性主题集，用来表示微服务的关注点。本发明实施例的技术方案，实现了在快速迭代开发的微服务项目中，自动化地识别出微服务的关注点，以辅助微服务架构师确定微服务的粒度，从而支持微服务架构设计的决策。
-
Patent Agency Ranking
公开(公告)号：CN111367798A
公开(公告)日：2020-07-03
申请号：CN202010129434.7
申请日：2020-02-28
Applicant: 南京大学
Abstract: 本发明公开了一种持续集成及部署结果的优化预测方法。本方法包括：专门用于预测持续集成及部署结果的特征集合；利用构建日志和代码提交日志度量集合中的特征的方法；包含备选采样器和备选分类器，以及结合采样器和分类器，利用根据特征集合所构建的样本集训练的用于预测集成及部署结果的模型池；根据自定义的构建频率阈值，利用优化算法从模型池中选择效率最优模型；利用效率最优模型预测持续集成及部署结果，若结果为通过则不执行脚本，若结果为失败则执行脚本。本发明实现了准确预测持续集成及部署结果，以满足软件开发团队对构建频率的具体要求，达到降低实施持续集成及部署的成本、提高生产效率的目的。
-
公开(公告)号：CN111460137B
公开(公告)日：2023-10-17
申请号：CN202010431043.0
申请日：2020-05-20
Applicant: 南京大学
IPC: G06F16/34 , G06F16/33 , G06F40/284 , G06F40/30
Abstract: 本发明属于软件测试技术领域，具体涉及一种模型的微服务关注点识别方法、设备及介质。其中，微服务关注点的识别方法，包括：基于微服务项目源代码的文本文件，利用主题模型识别出其中的主题集；分析微服务项目代码的语法树以及服务接口调用关系，确定所有代码文件间的依赖关系网络；根据所识别出来的主题集以及代码文件依赖关系网络，判断主题集中每一个主题是能够体现软件需求的功能性主题还是噪声主题，并给出每一个微服务对应的功能性主题集，用来表示微服务的关注点。本发明实施例的技术方案，实现了在快速迭代开发的微服务项目中，自动化地识别出微服务的关注点，以辅助微服务架构师确定微服务的粒度，从而支持微服务架构设计的决策。
-
公开(公告)号：CN113312769A
公开(公告)日：2021-08-27
申请号：CN202110586961.5
申请日：2021-05-27
Applicant: 南京大学
IPC: G06F30/20 , G06F119/12 , G06F119/14
Abstract: 本发明属于仿真建模技术领域，公开了一种系统动力学与离散事件仿真混合仿真建模方法，本方法包括：基于仿真时间参数构建未来时钟序列、使用连续相位与离散相位概念对未来时钟序列进行管理和维护、推进连续相位的仿真计算并进行连续相位的数据交互、判断并执行离散相位的仿真计算并进行离散相位的数据交互以及基于该混合仿真建模方法构建的一个系统动力学与离散事件仿真混合仿真建模引擎，所述引擎包含模型构建模块；由混合仿真、系统动力学仿真、离散事件仿真构成的混合仿真计算模块；仿真结果输出模块，本发明可有效支持系统动力学与离散事件仿真混合仿真建模，便于建模者从宏观视角和微观视角综合评估问题。
-
公开(公告)号：CN111427802B
公开(公告)日：2021-06-22
申请号：CN202010432137.X
申请日：2020-06-09
Applicant: 南京大学
Abstract: 本发明属于软件测试技术领域，具体涉及利用集成学习进行测试用例优先级排序的测试方法和系统，包括：根据测试用例的属性信息和历史执行数据，利用集成学习算法建立对测试用例执行错误率的回归预测模型，用于预测即将执行的测试过程中各个测试用例可能的出错概率；基于错误率预测模型对各个测试用例的错误率进行预测，将各个测试用例按照预测错误率由大到小的顺序进行优先级排序，并按照优先级顺序执行测试用例；在测试过程中，一旦有测试用例执行失败，立刻提交给开发人员进行分析和修复。本发明缩短了从测试人员测试到开发人员进行修复的时间，提高测试效率。
-
公开(公告)号：CN111427802A
公开(公告)日：2020-07-17
申请号：CN202010432137.X
申请日：2020-06-09
Applicant: 南京大学
Abstract: 本发明属于软件测试技术领域，具体涉及利用集成学习进行测试用例优先级排序的测试方法和系统，包括：根据测试用例的属性信息和历史执行数据，利用集成学习算法建立对测试用例执行错误率的回归预测模型，用于预测即将执行的测试过程中各个测试用例可能的出错概率；基于错误率预测模型对各个测试用例的错误率进行预测，将各个测试用例按照预测错误率由大到小的顺序进行优先级排序，并按照优先级顺序执行测试用例；在测试过程中，一旦有测试用例执行失败，立刻提交给开发人员进行分析和修复。本发明缩短了从测试人员测试到开发人员进行修复的时间，提高测试效率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.051 seconds)
