-
公开(公告)号：CN109948940B
公开(公告)日：2023-08-18
申请号：CN201910229952.3
申请日：2019-03-26
Applicant: 大连海事大学
IPC: G06Q10/0631 , G06F11/36
Abstract: 本发明公开了一种基于启发式算法的Web服务众包测试任务分配方法，包括以下步骤：S1：请求者将多个众包工作以测试任务的形式提交众包平台；S2：任务分配优化系统建立至少包含测试任务属性、测试工人属性、分配因素的任务分配模型，根据任务分配模型确认目标函数和约束条件；S3：任务分配优化系统基于任务分配模型采用HE算法进行测试任务和测试工人之间的优化分配，并根据众包平台设置的任务发布条件发布任务，并将任务信息显示给测试工人；S4：测试工人完成相应任务后将结果反馈给众包平台，众包平台将各任务的完成结果进行归纳整理。
-
公开(公告)号：CN115422042A
公开(公告)日：2022-12-02
申请号：CN202210946320.0
申请日：2022-08-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于代码生成的仿真软件测试方法，包括：对预学习的代码文件进行嵌入编码并进行嵌入标记；再对测试用例进行信息提取和特征嵌入；对测试用例进行异构信息编码和语法规则学习生成代码信息；根据生成的代码信息和自然语言规则预测下一个语法规则，并最终得到预测的代码段，将得到的预测代码段组合为预测代码文件；对预测代码文件进行测试。我们使用独特的AST编码器，使生成的代码文件可用性更高技术成熟度更好。并且在生成文件的多样性来看，对于特定语法规则的学习使得我们生成的仿真文件更加准确，这也使得我们的技术对于仿真软件的缺陷有更大的测试空间。
-
公开(公告)号：CN109934286B
公开(公告)日：2022-11-11
申请号：CN201910183106.2
申请日：2019-03-12
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于文本特征提取和不平衡策略的识别Bug报告严重程度的方法，该方法通过对bug报告数据集进行不平衡及基于遗传算法的文本特征提取操作，生成的分类模型对新提交的bug报告进行分类时没有偏向，拟合趋于平衡，避免了分类时的局限性；经过提取操作，可以实现特征与实例的同时提取，得到规模更小且质量更高的数据集，提高了bug报告严重程度识别的准确率，节省了bug严重程度识别的时间成本和人力成本，提升了工作效率，方便开发者优先处理严重程度更高的bug报告。
-
公开(公告)号：CN114816988A
公开(公告)日：2022-07-29
申请号：CN202210267643.7
申请日：2022-03-17
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于子系统和数据恢复的Simulink测试方法，包括：采用随机生成方式生成测试用例，建立测试用例集，收集用于扩大测试用例集的被测试软件的第三方使用案例；对测试用例集中的所有测试用例进行预处理操作，对运行的测试用例进行基突变；创建一个存储测试用例集内每个测试用例中所有模块类型前后连接关系的数据库；采用蒙特卡罗马尔科夫链方式抽样选取测试集中的测试用例，将抽到的测试用例命名为原始测试用例；复制原始测试用例生成新测试用例并命名为变体测试用例，并对变体测试用例进行变异操作；对原始测试用例和生成的变体测试用例进行基于等效模输入的差分测试，同时记录出现错误的软件。
-
公开(公告)号：CN110554964A
公开(公告)日：2019-12-10
申请号：CN201910834368.0
申请日：2019-09-03
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度强化学习的Web服务众包测试任务分配方法，包括：根据众包平台上的工人池和任务池内的数据信息、对深度强化学习的Web服务测试任务分配模型进行训练；众包平台接收需求者提交的测试任务，使用完成训练的Web服务测试任务分配模型进行测试任务的分配；工人接受并执行任务、将任务测试结果反馈给众包平台，众包平台将工人反馈的测试结果传送给相应的任务需求者。本方法通过使用深度强化学习方法DQN来训练Web服务测试任务分配模型，达到了对Web服务众包测试任务进行实时分配的效果，可以在一定程度上保证测试任务能够交由众包测试平台上比较合适的测试人员来处理，提升了测试效果。
-
Patent Agency Ranking
公开(公告)号：CN110472247A
公开(公告)日：2019-11-19
申请号：CN201910770984.4
申请日：2019-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种多语义信息融合网络预测帖子回答时间的方法，包括如下步骤：选取N条帖子并提取每个帖子的数据特征，其中数据特征包括帖子的问题描述、帖子的标题，帖子的标签，帖子的创建时间和帖子的星期特征信息，利用帖子的数据特征预测帖子的回答时间；利用doc2vec模型将帖子的数据特征转换为向量、并将向量输入至全连接神经网络模型内利用sigmoid函数预测帖子的回答时间。该方法在预测的过程中，考虑了帖子的描述信息、标题信息以及标签等特征信息，相比于只考虑单一特征的方法预测的更加准确。
-
公开(公告)号：CN109615242A
公开(公告)日：2019-04-12
申请号：CN201811528909.9
申请日：2018-12-13
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于循环神经网络和代价敏感的软件bug分派方法，包括以下步骤：S1:对采集历史bug报告仓库中的原始数据集进行预处理；其中预处理包括筛选Bug报告、提取筛选出的Bug报告的文本信息、提取开发者活跃度信息；S2：在训练集上对CSDBT模型进行预训练；S3：使用自适应差分进化算法求解最优的误分类代价矩阵：验证集的数据进行求解，获取误分类代价矩阵的最优值；S4：将预训练好的的CSDBT模型和上一步得到的最优误分类代价矩阵相结合得到新CSDBT模型，最后输入测试集对新CSDBT模型进行测试。
-
-
公开(公告)号：CN109272225A
公开(公告)日：2019-01-25
申请号：CN201811046244.8
申请日：2018-09-07
Applicant: 大连海事大学
IPC: G06Q10/06 , G06Q10/10 , G06F16/901
Abstract: 本发明提供一种Bug追踪系统测试人员重要性排序方法，至少包括以下步骤：建立测试人员关系网络，计算每个连接的权重；多次迭代计算每个测试人员的重要性值直至每个测试人员的重要性值收敛；比较所述每个测试人员的重要性值，所述重要性值越大则测试人员越重要。本发明通过使用该方法得到的测试人员重要性排序结果与测试人员的实际工作表现相符合，通过随机删除和选定删除排名较高的测试人员后的数据集所得实验结果表明该方法具有稳定性，因此可以采用该方法评估测试人员对测试阶段的贡献度，为测试人员的报酬分配提供参考依据，进而帮助系统管理人员提高软件测试和Bug追踪的工作效率。
-
公开(公告)号：CN120068085A
公开(公告)日：2025-05-30
申请号：CN202510070426.2
申请日：2025-01-16
Applicant: 大连海事大学
IPC: G06F21/57 , G06N3/045 , G06F18/214 , G06F18/213 , G06F18/2415
Abstract: 本发明提供了一种利用噪声转移进行代码漏洞修复检测的方法，包括如下步骤：S1、将现有的漏洞数据集以及从现实的开源项目中进行数据集收集进行合并，以构成总数据集；S2、用CodeBERT对总数据集的代码进行更改提取嵌入，通过特征提取器获得代码更改特征；S3、将代码更改特征输入到预训练模型中，计算代码更改特征的置信度；S4、获得不可信数据的转移概率；S5、根据获得的转移概率构建转移概率矩阵，将转移概率矩阵和不可信数据的输出结果进行运算，获得不可信数据的分类结果；S6、将可信数据输入到分类器中，获得可信数据的分类结果。通过合理使用本发明，模型能够更加精准地修正训练过程中的错误标签，从而提高整体表现。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.023 seconds)
