基于可理解信息融合的人机协同移动应用测试研究

Mobile application is the most important carrier of mobile Internet. Mobile application utilizes a short development cycle, while the application scenario is complex, especially the Android fragmentation problem. The ensurance of the quality of mobile applications becomes an important research issue. Recently, mobile application automated test generation has also been greatly improved. However, due to lack of domain knowledge, test data automatically generated is difficult to effectively find the real user concerned issues; crowdsourcing testing as a new trend can effectively enroll ordinary users to conduct testing, but how to guide crowdsourcing users for effective testing and reduce test costs has become an issue to be solved. Based on our research of mobile automation testing and crowdsourcing testing, this project proposes a human-machine collaborative mobile testing approach based on comprehensible information fusion. The main contents of this research are as follows. (1) Human-machine collaborative mobile application testing framework; (2) Human-oriented machine information fragment fusion; (3) Machine-oriented human information fragment fusion. In this paper, we build a human-machine comprehensible information model for mobile application testing, and then fuse information based on the model to build a human-machine collaborative testing system for mobile applications. The research issues in this project has important theoretical and application value in the field of software testing, especially in mobile application testing. It is a new direction of current software engineering research.

移动应用是移动互联网最关键的载体。移动应用开发周期短而应用场景复杂，尤其是安卓系统碎片化问题严重，因此如何保障移动应用的质量成为一个重要的研究问题。移动应用自动化测试生成技术发展迅速，但是自动生成的测试数据缺乏领域知识，导致难以发现真实的用户问题。众包测试作为一种新型的测试方案，招募普通用户进行真实测试，但是如何引导众包工人测试、降低测试成本是亟待解决的问题。基于移动应用自动化测试和众包测试的已有研究基础之上，本项目提出了基于可理解信息融合的人机协同移动应用测试，其研究内容包括:(1)人机协同移动应用测试框架；(2)面向人类的机器信息片段融合方法；(3)面向机器的人类信息片段融合方法。本项目构建移动应用测试中人机可相互理解的信息模型，然后进行信息融合，进而构建人机协同测试系统。本项目研究问题在软件测试领域尤其是移动应用测试领域具有重要的理论意义和应用价值，是当前软件工程研究的前沿方向。

移动应用是移动互联网最关键的载体。移动应用开发周期短而应用场景复杂，尤其是安卓系统碎片化问题严重，因此如何保障移动应用的质量成为一个重要的研究问题。移动应用自动化测试生成技术发展迅速，但是自动生成的测试数据缺乏领域知识，导致难以发现真实的用户问题。众包测试作为一种新型的测试方案，招募普通用户进行真实测试，但是如何引导众包工人测试、降低测试成本是亟待解决的问题。基于移动应用自动化测试和众包测试的已有研究基础之上，本项目提出了基于可理解信息融合的人机协同移动应用测试，其研究内容包括:(1)人机协同移动应用测试框架；(2)面向人类的机器信息片段融合方法；(3)面向机器的人类信息片段融合方法。本项目构建移动应用测试中人机可相互理解的信息模型，然后进行信息融合，进而构建人机协同测试系统。.本项目面向三个移动应用的典型场景，包括：通用场景、漏洞检测场景和人工智能框架场景开展人机协同测试研究。首先，本项目提出融合众包测试、机器测试以及人机交互式测试方法人机协同测试理论，从机器自动化角度构建智能化测试方法，提高机器自身的测试效率；整合多源异构测试数据，构建人机可理解式测试报告；围绕多源数据理解和深度代码理解展开研究，探索基于人类理解角度的截图理解方法、深度代码表示方法、代码注释形式化推理方法，并在众包测试用例选择、优先级、回放等场景进行应用；以人类的宏观理解和微观理解为基础探索人工智能框架的测试方法，保障了智能移动应用的质量。本项目在人机协同测试、程序理解和人工智能框架测试方面取得了较好的研究成果，对于推动相关研究方向的发展具有重要的理论意义，在相关领域的应用落地具有重要的应用价值。

内容获取失败，请点击重试