公开(公告)号：CN112306846A

公开(公告)日：2021-02-02

申请号：CN201910701681.7

申请日：2019-07-31

Applicant: 北京大学

Inventor： 郭耀 ,  李元春 ,  杨子岳 ,  陈向群

IPC: G06F11/36

Abstract: 本发明公布了一种基于深度学习的移动应用黑盒测试方法，基于真实用户的交互记录数据，建立描述真实用户交互习惯和交互模式的模型，称为交互模型；并采用真实用户交互模式学习方法训练交互模型；在使用训练好的交互模型测试新的移动应用时，预测当前应用状态下更符合真实用户的交互习惯和交互模式的交互动作，并使用该预测结果生成交互动作，作为移动应用测试的输入。该方法可实现为计算机软件模块，通过将安装所述自动生成工具的计算机连接移动设备，利用该自动生成工具控制移动设备和运行在之上的移动应用进行黑箱测试。本发明能够提升自动测试工具在有限时间内的测试覆盖率。

公开(公告)号：CN112306846B

公开(公告)日：2022-02-11

申请号：CN201910701681.7

申请日：2019-07-31

Applicant: 北京大学

Inventor： 郭耀 ,  李元春 ,  杨子岳 ,  陈向群

IPC: G06F11/36

Abstract: 本发明公布了一种基于深度学习的移动应用黑盒测试方法，基于真实用户的交互记录数据，建立描述真实用户交互习惯和交互模式的模型，称为交互模型；并采用真实用户交互模式学习方法训练交互模型；在使用训练好的交互模型测试新的移动应用时，预测当前应用状态下更符合真实用户的交互习惯和交互模式的交互动作，并使用该预测结果生成交互动作，作为移动应用测试的输入。该方法可实现为计算机软件模块，通过将安装所述自动生成工具的计算机连接移动设备，利用该自动生成工具控制移动设备和运行在之上的移动应用进行黑箱测试。本发明能够提升自动测试工具在有限时间内的测试覆盖率。