[发明专利]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

说明书

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。

技术领域

本发明属于软件测试领域，特别是安卓众包测试领域。众包工人对所要求的待测应用进行人工测试，给出包含缺陷截屏以及缺陷描述的测试报告。

背景技术

随着移动互联网的发展和大量安卓应用的开发，大众用户对于应用软件的质量有了更高的要求。移动应用软件迭代快速，变更频繁的特点给传统的软件测试方法带来了许多困难，测试人员往往需要对各个版本的应用分别进行测试，在短暂的应用开发周期内快速地进行多次工作量较大的测试任务，造成测试效率低下等问题。针对传统移动应用软件测试方法的局限性测试人员在许多应用场景中广泛使用了移动应用众包测试方法。

移动应用众包测试要求测试人员编写包含缺陷截屏以及缺陷描述的报告作为结果。然而众包测试报告的评审效率是一个严重的问题。在众包工人提交的测试报告中存在着大量的重复报告，对于应用程序开发人员来说人工检查大量的测试报告并从中去除重复报告筛选有效信息将是一个不小的负担。因此本发明计划对测试报告中的文本信息以及截屏图像进行结合性的特征分析，通过报告之间的相似性度量识别重复报告，以测试报告揭示新的缺陷的能力进行排序，更好地帮助应用程序开发人员进行大量测试报告的评审工作，更快速而充分地获取缺陷信息。

发明内容

本发明要解决的问题是：安卓应用程序开发人员审查移动应用众包测试报告的人工负担的问题。众包测试报告将会以所有测试人员提交的包含缺陷描述和缺陷截屏的大量测试报告作为结果，如果全部由应用程序开发人员进行人工审查工作量将会非常庞大，不但损害了众包测试的效率也难以避免人工审查的过程中出现遗漏和判断错误。我们的发明通过自动化地对测试报告中的文本信息和截屏图像进行特征分析，利用报告之间的相似性度量识别重复报告，根据测试报告揭示新的缺陷的能力进行测试报告的排序。根据排序后的报告顺序进行复查，将大大提高应用程序开发人员获取缺陷信息的速度和充分性，有效地提高了移动应用众包测试的效率。

本发明的技术方案为：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。测试报告文本特征提取根据自然语言处理技术将文本内容分类为复现步骤和缺陷描述两类信息。复现步骤将被进一步分析转化为“操作-对象”序列，缺陷描述将进一步进行词性标注提取问题控件信息。测试报告相似性度量将包括两部分相似度，分别为缺陷相似度和上下文相似度。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。测试报告排序是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。该方法分为以下几个步骤：

1)测试报告文本特征提取，主要提取信息包括复现步骤、缺陷描述两类信息，复现步骤将进一步分析以提取“操作-对象”序列，缺陷描述将进一步分析提取问题控件描述；

1.1)文本内容分类：使用jieba中文分词工具对测试报告文本内容进行中文分词；根据预设定的去停用词列表从分词结果中去除停用词；使用Word2Vec将分词结果转化为128维的数值向量；使用预训练的TextCNN深度学习模型将文本内容分为复现步骤和缺陷描述两个类别；