CN111290969B - 基于特征频度统计的软件质量分析方法 - Google Patents
基于特征频度统计的软件质量分析方法 Download PDFInfo
- Publication number
- CN111290969B CN111290969B CN202010385321.3A CN202010385321A CN111290969B CN 111290969 B CN111290969 B CN 111290969B CN 202010385321 A CN202010385321 A CN 202010385321A CN 111290969 B CN111290969 B CN 111290969B
- Authority
- CN
- China
- Prior art keywords
- quality
- feature
- characteristic
- quality analysis
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
- G06F11/3616—Software analysis for verifying properties of programs using software metrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
Abstract
本发明涉及基于特征频度统计的软件质量分析方法,包括:A.提取测试环境中所有缺陷包含的质量特征;B.提取生产环境中的所有缺陷中包含的质量特征,更新质量特征;C.通过每个质量特征出现的次数设置单特征质量分析规则;D.通过至少两个质量特征同时出现的次数,设置多特征综合质量分析规则;E.选择一棵实体元素层级树的任意实体元素后,计算得到质量分析结果并显示在页面上;F.选择实体元素层级树的任意数量的实体元素,将计算后质量分析结果低于阈值的实体元素和它的质量分析结果输出到质量预警页面上。本发明能够更高效、客观的对软件质量进行分析,有效减少了人员主观的影响,极大的提高了质量分析的精确度和可信度。
Description
技术领域
本发明涉及对软件质量的分析方法,具体讲是基于特征频度统计的软件质量分析方法。
背景技术
在软件研发领域,如何分析和度量软件的质量是一个难题,目前业界还没有一个标准化的成熟的技术能够解决该问题,通常是由测试人员根据测试过程中的缺陷数据进行手工分析,并根据自己的经验来判断软件质量处于什么水平。这种方法具有较大的随意性,且受测试人员的主观经验所影响,准确度和可信度难以保证。
根据软件质量的定义,软件质量是“软件与明确地和隐含地定义的需求相一致的程度”。更具体地说,软件质量是软件与需求文档中明确地或隐含地叙述的功能和性能需求、文档中明确描述的开发标准以及其他类似的任何专业开发的软件产品都应该具有的隐含特征相一致的程度。根据GB/T16260.1标准,影响软件质量的主要因素可以划分为六个特性:功能性、可靠性、易用性、效率、可维护性、可移植性。因此,为了检测和分析软件质量,测试人员通常按照需求文档中给出的各项需求,编写检测软件是否与需求相符合的测试用例,并按照影响软件质量的这六个特性,进一步编写检测软件质量是否满足以上六个特性的测试用例。两部分测试用例汇总起来,即是全面检测软件质量的测试用例集合。在全部测试用例执行完毕后,测试人员分析需求数据、测试用例数据、缺陷数据以及三者之间的关系等,根据自己的经验,判断软件对需求的实现程度和软件的六个质量特性的实现情况,最后以文字的形式,给出对软件质量的主观分析结论。
因此,基于目前业内对软件质量的分析方式,需要一种更加高效、客观的分析方法来对软件质量进行评价和分析。
发明内容
本发明提供了一种基于特征频度统计的软件质量分析方法,以对软件质量分析更加高效、客观,减少人员主观的影响,提高分析的精确度和可信度。
本发明基于特征频度统计的软件质量分析方法,包括:
A.提取测试环境中所有缺陷中包含的质量特征,质量特征的数据要素至少包括质量特征的语义、类别、重要级别和影响质量的严重程度;根据各质量特征的类别设置每个质量特征的数据要素的初始值,将所有的质量特征形成质量特征数据集,并将该质量特征数据集保存在数据库的质量特征表的存储结构中,然后建立缺陷与质量特征之间的关联关系;
B.提取生产环境中的所有缺陷中包含的质量特征,根据生产缺陷的类别、重要级别、影响质量的严重程度和危害性,对应更新提取的生产缺陷包含的质量特征中的类别、重要级别、影响质量的严重程度,并以此更新所述质量特征表中的对应数据,然后建立生产缺陷与质量特征之间的关联关系;
C.设置单特征质量分析规则,根据用户对软件质量的要求,对每一个质量特征,通过其出现的次数来设置该质量特征的单特征质量分析规则,以此计算和输出单特征质量等级,例如可以分为优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级,将单特征质量分析规则的数据保存在数据库的单特征质量分析规则表的存储结构中;
D.设置多特征综合质量分析规则,根据用户对软件质量的要求,通过至少两个质量特征同时出现的次数,设置多特征综合质量分析规则,以此计算和输出多特征综合质量等级,例如可以分为优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级,将多特征综合质量分析规则的数据保存在数据库的多特征综合质量分析规则表的存储结构中;
E.通过质量分析页面调取已建立的被测软件界面的所有实体元素层级树,分析人员选择其中一棵实体元素层级树的从顶层的根节点到最底层的叶节点的任意实体元素进行质量分析后,根据该实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,计算得到质量分析结果并显示在页面上,如优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级;
F.设置质量预警页面,在所述质量预警页面中设置每种实体元素的质量分析结果阈值,通过后台程序扫描被选择的实体元素层级树,对每一棵实体元素层级树,分析人员选择从顶层的根节点到最底层的叶节点的任意数量的实体元素,后台程序调用每棵实体元素层级树中选择的每个实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,计算后得到质量分析结果,并将质量分析结果低于对应的质量分析结果阈值的实体元素和它的质量分析结果输出到质量预警页面上,通过质量预警页面展示所有低于质量分析结果阈值的实体元素和对应的质量分析结果。
本发明通过客观的质量数据来计算和分析软件质量,相比传统的依据人工经验进行手工的、主观的软件质量分析,其分析结果的精确度和可信度有了极大的提高。
具体的,步骤A中,每个质量特征的数据要素中还包括有该质量特征的id,通过更新数据库中的缺陷表中的所有缺陷数据,将每个质量特征的id写入对应的缺陷数据的质量特征id字段中,来建立所述的缺陷与质量特征之间的关联关系。
具体的,步骤B中,每个质量特征的数据要素中还包括有该质量特征的id,通过更新数据库中的生产缺陷表中所有生产缺陷,将每个质量特征的id写入对应的生产缺陷数据的质量特征id字段中,来建立所述的生产缺陷与质量特征之间的关联关系。
进一步的,步骤B中,从生产环境的缺陷中提取出的质量特征,如果在所述的质量特征表中不存在,则根据该质量特征的类别设置该质量特征的数据要素的初始值后,将该质量特征加入到所述的质量特征表中。以此对质量特征表中的质量特征进行补充。
具体的,步骤F中,后台程序调用的每个实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,包括在实体元素层级树中该实体元素下的所有子节点的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,然后计算出每一个单特征质量分析结果,如果在所述的这些实体元素的缺陷中存在至少两个质量特征,且这些质量特征和某个多特征综合质量分析规则中包含的质量特征相匹配,则根据该多特征综合质量分析规则,继续计算多特征综合质量分析结果。
在此基础上,还设有单特征质量分析规则管理页面,用于查询、新增、修改和删除单特征质量分析规则。在单特征质量分析规则管理页面中展示了数据库中的所有的单特征质量分析规则数据,可以根据关键字查询某个单特征质量分析规则,也可以新增、修改、删除某个单特征质量分析规则。页面操作成功后,数据库中的单特征质量分析规则表中的对应数据也会更新成功。
进一步的,还设有多特征综合质量分析规则管理页面,用于查询、新增、修改和删除多特征综合质量分析规则。在多特征综合质量分析规则管理页面中展示了数据库中的所有的多特征综合质量分析规则数据,可以根据关键字查询某个多特征综合质量分析规则,也可以新增、修改、删除某个多特征综合质量分析规则。页面操作成功后,数据库中的多特征综合质量分析规则表中的对应数据也会更新成功。
本发明基于特征频度统计的软件质量分析方法,能够更高效、客观的对软件质量进行分析,有效减少了人员主观的影响,极大的提高了质量分析的精确度和可信度。
以下结合实施例的具体实施方式,对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明上述技术思想情况下,根据本领域普通技术知识和惯用手段做出的各种替换或变更,均应包括在本发明的范围内。
附图说明
图1为本发明基于特征频度统计的软件质量分析方法的流程图。
具体实施方式
如图1所示本发明基于特征频度统计的软件质量分析方法,包括:
A.提取测试环境中所有缺陷中包含的质量特征,质量特征的数据要素至少包括质量特征的语义、类别、重要级别和影响质量的严重程度;根据各质量特征的类别设置每个质量特征的数据要素的初始值,将所有的质量特征形成质量特征数据集,并将该质量特征数据集保存在数据库的质量特征表的存储结构中,然后建立缺陷与质量特征之间的关联关系。
例如,针对测试环境中的所有缺陷,假定缺陷数量为100条,提取这100条缺陷中含有的所有质量特征,假定有X、Y、Z、U、V、W六个质量特征。每个质量特征的数据要素包括有语义,如功能有故障、性能不好等;每个质量特征有类别,如功能、性能、可靠性、容错性、用户体验等;每个质量特征也有重要级别,分为很重要、重要、一般、不重要四级;另外每个质量特征有影响质量的严重程度,分为影响最大、影响较大、一般、影响较小。
然后设置每个质量特征的数据要素初始值,例如设置X的质量特征的数据要素初始值:语义:功能有故障,类别:功能,重要程度:重要,影响质量的严重程度:影响较大。将X、Y、Z、U、V、W六个质量特征的语义、类别、重要级别、影响质量的严重程度这四类数据都设置完成后,共同形成质量特征数据集,在该质量特征数据集中包含了X、Y、Z、U、V、W六个质量特征数据。在每个质量特征的数据要素中包含了质量特征的id、语义、类别、重要级别、影响质量的严重程度。
在数据库中建立质量特征数据表的存储结构,将质量特征数据集中的所有数据保存在质量特征数据表的存储结构中。
最后更新数据库中的缺陷表中的这100条缺陷数据,将X、Y、Z、U、V、W这六个质量特征的id更新到这100条缺陷数据的质量特征id字段中,建立缺陷与质量特征之间的关联关系。
B.提取生产环境中的所有缺陷中包含的质量特征,根据生产缺陷的类别、重要级别、影响质量的严重程度和危害性,对应更新提取的生产缺陷包含的质量特征中的类别、重要级别、影响质量的严重程度,并以此更新所述质量特征表中的对应数据,然后建立生产缺陷与质量特征之间的关联关系。
例如,针对生产环境中的所有生产缺陷,假定生产缺陷数量为100条,提取这100条生产缺陷中含有的所有质量特征,其中包含了X、Y、Z、U这四个已经从测试环境缺陷中提取出来的质量特征,这四个质量特征来自于A、B、C、D四个生产缺陷。
根据A、B、C、D四个生产缺陷的类别、重要级别、影响质量的严重程度、危害性四个维度,分别更新X、Y、Z、U这四个质量特征的数据:例如,A生产缺陷包含了X质量特征,在步骤A中对X质量特征的数据要素设置的初始值为:语义:功能有故障,类别:功能,重要程度:重要,影响质量的严重程度:影响较大。假定现在A生产缺陷的类别是:性能故障;重要级别是:非常重要;影响质量的严重程度是:非常严重;危害性是:高危。那么更新X质量特征的数据要素为:类别:性能;重要级别:很重要;影响质量的严重程度:影响最大。
对于其他的测试环境中提取出的质量特征,未能在生产环境中出现的,则维持初始值不变。对于其他的生产环境缺陷中提取出的质量特征,如果在质量特征表中不存在数据,则将之设定为该质量特征的初始值,并将其加入到质量特征表中。最后更新和保存质量特征表的所有数据。
更新数据库中缺陷表里的所有100条生产缺陷数据,将X、Y、Z、U四个质量特征的id更新到A、B、C、D这四条生产缺陷数据的质量特征id字段中。其他生产缺陷的质量特征id字段值依次更新为它们所包含的质量特征的id。建立生产缺陷与质量特征之间的关联关系。
C.设置单特征质量分析规则,根据用户对软件质量的要求,对每一个质量特征,通过其出现的次数来设置该质量特征的单特征质量分析规则,以此计算和输出单特征质量等级,例如可以分为优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级,将单特征质量分析规则的数据保存在数据库的单特征质量分析规则表的存储结构中。
假设用户对软件的“X:性能不好”这个质量特征的要求是,只能容忍软件出现不超过5次“性能不好”的质量特征,当出现不超过2次时认为软件质量很好,当出现超过2次不超过3次时认为软件质量尚可,当出现超过3次不超过4次时认为软件质量一般,当出现超过4次不超过5次时认为软件质量较差,当出现次数超过5次时认为软件质量不可接受。根据用户对“X:性能不好”特征的出现次数的要求,进行该质量特征的单特征质量分析规则的设计:
“X:性能不好”的单特征质量分析规则设定为:
(A)优秀:出现次数<=2;
(B)良好:2<出现次数<=3;
(C)一般:3<出现次数<=4;
(D)有风险:4<出现次数<=5;
(E)有重大风险:出现次数>5。
将上述单特征质量分析规则保存在数据库中的单特征质量分析规则表中。重复以上步骤,直到所有质量特征的单特征质量分析规则都设置完成,并保存在数据库中的单特征质量分析规则表中。
还设有单特征质量分析规则管理页面,用于查询、新增、修改和删除单特征质量分析规则。在单特征质量分析规则管理页面中展示了数据库中的所有的单特征质量分析规则数据,可以根据关键字查询某个单特征质量分析规则,也可以新增、修改、删除某个单特征质量分析规则。页面操作成功后,数据库中的单特征质量分析规则表中的对应数据也会更新成功。
D.设置多特征综合质量分析规则,根据用户对软件质量的要求,通过至少两个质量特征同时出现的次数,设置多特征综合质量分析规则,以此计算和输出多特征综合质量等级,例如可以分为优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级,将多特征综合质量分析规则的数据保存在数据库的多特征综合质量分析规则表的存储结构中。
假设用户对软件的综合质量要求是:只能容忍软件出现不超过2次“性能不好”的质量特征、只能容忍软件出现不超过5次“容错性不足”的质量特征、无法容忍软件出现任何一次“功能有故障”的质量特征。根据用户对软件的综合质量要求,进行多特征综合质量分析规则的设计:
满足以上要求的多特征综合质量分析规则设定为:
(A)优秀:“性能不好”质量特征出现次数0次;“容错性不足”质量特征出现次数<=2;“功能有故障”质量特征出现次数0次;
(B)良好:“性能不好”质量特征出现次数1次;2<“容错性不足”质量特征出现次数<=3;“功能有故障”质量特征出现次数0次;
(C)一般:“性能不好”质量特征出现次数1次;3 <“容错性不足”质量特征出现次数<= 4;“功能有故障”质量特征出现次数0次;
(D)有风险:“性能不好”质量特征出现次数2次;4 <“容错性不足”质量特征出现次数 <= 5;“功能有故障”质量特征出现次数0次;
(E)有重大风险:“性能不好”质量特征出现次数2次;“容错性不足”质量特征出现次数 > 5;“功能有故障”质量特征出现次数>0次;
将上述多特征综合质量分析规则保存在数据库中的多特征综合质量分析规则表中。重复以上步骤,直到所有多特征综合质量分析规则都设置完成,并保存在数据库中的多特征综合质量分析规则表中。
还设有多特征综合质量分析规则管理页面,用于查询、新增、修改和删除多特征综合质量分析规则。在多特征综合质量分析规则管理页面中展示了数据库中的所有的多特征综合质量分析规则数据,可以根据关键字查询某个多特征综合质量分析规则,也可以新增、修改、删除某个多特征综合质量分析规则。页面操作成功后,数据库中的多特征综合质量分析规则表中的对应数据也会更新成功。
E.通过质量分析页面调取已建立的被测软件界面的所有实体元素层级树,分析人员选择其中一棵实体元素层级树的从顶层的根节点到最底层的叶节点的任意实体元素进行质量分析后,根据该实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,先计算出单特征质量分析结果。
如果该实体元素的生产缺陷数据中存在多个质量特征,且这些质量特征和某个多特征综合质量分析规则中包含的质量特征相匹配,则根据该多特征综合质量分析规则,继续计算该实体元素的多特征综合质量分析结果。最后将该实体元素的每一个单特征质量分析结果等级和每一个多特征综合质量分析结果等级的计算结果显示在页面上,如优秀(A)、良好(B)、一般(C)、有风险(D)、有重大风险(E)五个等级。同时在页面上还显示出该实体元素的质量分析过程,即匹配了哪些单特征质量分析规则,分析过程和分析结果是什么;以及匹配了哪些多特征综合质量分析规则,分析过程和分析结果是什么。
F.设置质量预警页面,在所述质量预警页面中设置每种实体元素的质量分析结果阈值,例如“良好”。通过后台程序扫描被选择的实体元素层级树,对每一棵实体元素层级树,分析人员选择从顶层的根节点到最底层的叶节点的任意数量的实体元素,后台程序调用每棵实体元素层级树中选择的每个实体元素及该实体元素下的所有子节点实体元素涉及到的所有生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,先计算出每一个单特征质量分析结果,如果在所述的这些实体元素的缺陷中存在至少两个质量特征,且这些质量特征和某个多特征综合质量分析规则中包含的质量特征相匹配,则根据该多特征综合质量分析规则,继续计算多特征综合质量分析结果。最后将计算得到的所有单特征质量分析结果和多特征综合质量分析结果中低于对应的质量分析结果阈值的实体元素和它的质量分析结果输出到质量预警页面上,通过质量预警页面展示所有低于质量分析结果阈值(“良好”)的实体元素和对应的质量分析结果。
以下以实例进行进一步的说明。
实施例:
从已有的测试环境缺陷和生产环境缺陷中工提取出6个缺陷,其中测试环境缺陷3个,生产环境缺陷3个。举例如下:
测试环境缺陷(1):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:期望:注册页面提示“注册成功”。
(c)发生缺陷实体元素:注册页面。
(d)缺陷类别:功能故障-显示故障-文案错误。
(e)缺陷状态:关闭。
测试环境缺陷(2):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:访客进入注册页面。
(c)发生缺陷实体元素:注册页面。
(d)缺陷类别:性能故障-网络故障-页面响应超时。
(e)缺陷状态:关闭。
测试环境缺陷(3):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:输入设置密码。
(c)发生缺陷实体元素:设置密码。
(d)缺陷类别:用户体验故障-用户体验不友好。
(e)缺陷状态:关闭。
生产环境缺陷(1):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:期望:注册页面提示“注册成功”。
(c)发生缺陷实体元素:注册页面。
(d)缺陷类别:功能故障-显示故障-文案错误。
(e)缺陷状态:关闭。
生产环境缺陷(2):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:访客进入注册页面。
(c)发生缺陷实体元素:注册页面。
(d)缺陷类别:性能故障-网络故障-页面响应超时。
(e)缺陷状态:关闭。
生产环境缺陷(3):
(a)测试用例:访客进入注册页面,输入不存在的用户名,输入设置密码,输入确认密码,点击注册按钮。期望:注册页面提示“注册成功”。
(b)发生缺陷步骤:输入确认密码。
(c)发生缺陷实体元素:确认密码。
(d)缺陷类别:容错性故障-未提示错误。
(e)缺陷状态:关闭。
对软件质量进行分析:
一、对测试环境缺陷提取质量特征,质量特征数据包括四个维度:语义、类别、重要级别、影响质量的严重程度。
a.测试环境缺陷(1)中的质量特征为“X:功能有故障”;测试环境缺陷(2)中的质量特征为“Y:性能不好”;测试环境缺陷(3)中的质量特征为“Z:用户体验不友好”。
b.设置X、Y、Z三个质量特征数据的初始值,根据缺陷的类别和表现形式,其中X的初始值设定为:“语义:功能有故障,类别:功能,重要级别:很重要,影响质量的严重程度:影响最大”;Y的初始值设定为:“语义:性能不好,类别:性能,重要级别:重要,影响质量的严重程度:影响较大”;Z的初始值设定为:“语义:用户体验不友好,类别:用户体验,重要级别:一般,影响质量的严重程度:一般”。
c.在数据库中建立质量特征表,表字段有质量特征id、语义、类别、重要级别、影响质量的严重程度。将X、Y、Z三个质量特征的数据要素存入数据库。其中:
(1)质量特征X:“id:X,语义:功能有故障,类别:功能,重要级别:很重要,影响质量的严重程度:影响最大”。
(2)质量特征Y:“id:Y,语义:性能不好,类别:性能,重要级别:重要,影响质量的严重程度:影响较大”。
(3)质量特征Z:“id:Z,语义:用户体验不友好,类别:用户体验,重要级别:一般,影响质量的严重程度:一般”。
d. 更新数据库中缺陷表中的测试环境缺陷(1)、测试环境缺陷(2)、测试环境缺陷(3)的表数据,设置测试环境缺陷(1)的质量特征id值为X,设置测试环境缺陷(2)的质量特征id值为Y,设置测试环境缺陷(3)的质量特征id值为Z。从而将缺陷数据和质量特征数据关联起来。
二、对生产环境缺陷提取质量特征,更新已有的质量特征值,或者新增质量特征。
a.生产环境缺陷(1)中的质量特征为“X:功能有故障”;生产环境缺陷(2)中的质量特征为“Y:性能不好”;生产环境缺陷(3)中的质量特征为“U:容错性不足”。其中X、Y两个质量特征在数据库的质量特征表中已经存在,而U还未能在质量特征表中建立数据。
b.根据生产环境缺陷(1)、生产环境缺陷(2)和生产环境缺陷(3)的类别、重要级别、影响质量的严重程度、危害性来综合衡量,判断出质量特征X的维度数据维持不变,即X的数据仍然为:“语义:功能有故障,类别:功能,重要级别:很重要,影响质量的严重程度:影响最大”;判断出质量特征Y的维度数据需要更新,更新为:“语义:性能不好,类别:性能,重要级别:很重要,影响质量的严重程度:影响最大”。而对于质量特征U,因为质量特征表中不存在该数据,则设定其数据要素的初始值:“语义:容错性不足,类别:容错性,重要级别:一般,影响质量的严重程度:一般”。
c.将X、Y、U三个质量特征的数据要素存入数据库的质量特征表。其中X不变,Y做数据更新,U做数据新增:
(1)质量特征X:“id:X,语义:功能有故障,类别:功能,重要级别:很重要,影响质量的严重程度:影响最大”。
(2)质量特征Y:“id:Y,语义:性能不好,类别:性能,重要级别:很重要,影响质量的严重程度:影响最大”。
(3)质量特征U:“id:Z,语义:容错性不足,类别:容错性,重要级别:一般,影响质量的严重程度:一般”。
d. 更新数据库中缺陷表中的生产环境缺陷(1)、生产环境缺陷(2)、生产环境缺陷(3)的表数据,设置生产环境缺陷(1)的质量特征id值为X,设置生产环境缺陷(2)的质量特征id值为Y,设置生产环境缺陷(3)的质量特征id值为U。从而将生产缺陷数据和质量特征数据关联起来。
三、根据用户对软件的单个质量特征的要求,针对每一个质量特征,建立单特征质量分析规则。
a. 假定用户对软件的“Y:性能不好”这个质量特征的要求是,只能容忍软件出现不超过5次“性能不好”的质量特征,当出现不超过2次时认为软件质量很好,当出现超过2次不超过3次时认为软件质量尚可,当出现超过3次不超过4次时认为软件质量一般,当出现超过4次不超过5次时认为软件质量较差,当出现次数超过5次时认为软件质量不可接受。根据用户对“Y:性能不好”特征的出现次数的要求,建立该特征的单特征质量分析规则。
b.“Y:性能不好”的单特征质量分析规则可以设定为:
(A)优秀:出现次数<=2;
(B)良好:2<出现次数<=3;
(C)一般:3<出现次数<=4;
(D)有风险:4<出现次数<=5;
(E)有重大风险:出现次数>5。
c.将上述单特征质量分析规则数据存入数据库的单特征质量分析规则表。数据结构为:“id:H,语义:性能质量,质量特征id:Y,质量分析规则:(A)优秀:出现次数<=2;(B)良好:2<出现次数<=3;(C)一般:3<出现次数<=4;(D)有风险:4<出现次数<=5;(E)有重大风险:出现次数>5”。
d.重复以上步骤,直到X、Y、Z、U所有质量特征的单特征质量分析规则都建立完毕,并存入数据库中的单特征质量分析规则表中。
四、根据用户对软件的多个质量特征的综合质量要求,建立针对多个质量特征的多特征综合质量分析规则。
a. 假定用户对软件的多个质量特征的综合质量要求是:只能容忍软件出现不超过2次“性能不好”的质量特征、只能容忍软件出现不超过5次“用户体验不友好”的质量特征、无法容忍软件出现任何一次“功能有故障”的质量特征。根据用户对软件的多个质量特征的综合质量要求,建立多特征综合质量分析规则。
b.满足以上要求的多特征综合质量分析规则可以设定为:
(A)优秀:质量特征Y出现次数0次;质量特征Z出现次数<=2;质量特征X出现次数0次;
(B)良好:质量特征Y出现次数1次;2<质量特征Z出现次数<=3;质量特征X出现次数0次;
(C)一般:质量特征Y出现次数1次;3<质量特征Z出现次数<=4;质量特征X出现次数0次;
(D)有风险:质量特征Y出现次数2次;4<质量特征Z出现次数<=5;质量特征X出现次数0次;
(E)有重大风险:质量特征Y出现次数2次;质量特征Z出现次数>5;质量特征X出现次数>0次;
c.将上述多特征综合质量分析规则数据存入数据库的多特征综合质量分析规则表。数据结构为:“id:I,语义:综合质量,质量特征id:X、Y、Z,质量分析规则:(A)优秀:质量特征Y出现次数0次;质量特征Z出现次数<=2;质量特征X出现次数0次;(B)良好:质量特征Y出现次数1次;2<质量特征Z出现次数<=3;质量特征X出现次数0次;(C)一般:质量特征Y出现次数1次;3<质量特征Z出现次数<=4;质量特征X出现次数0次;(D)有风险:质量特征Y出现次数2次;4<质量特征Z出现次数<=5;质量特征X出现次数0次;(E)有重大风险:质量特征Y出现次数2次;质量特征Z出现次数>5;质量特征X出现次数>0次”。
d. 重复以上步骤,直到所有的多特征综合质量分析规则都建立完毕,并存入数据库中的多特征综合质量分析规则表中。
五、新建质量特征管理页面,展示和维护所有质量特征。
a.新建质量特征管理页面。质量特征管理页面对应数据库中质量特征表的管理维护。
b.质量特征管理页面展示了所有质量特征,即“X:功能有故障、Y:性能不好、Z:用户体验不友好、U:容错性不足”,可以对所有质量特征进行查询、修改、删除。查询时,可以使用关键字查询对应的质量特征。修改时,可以修改某个质量特征的字段信息,如将“X:功能有故障”这个质量特征的语义改为“功能有问题”,重要级别改为“不重要”等,则该质量特征的语义变更为“功能有问题”,重要级别变更为“不重要”。保存到数据库中,数据库中的质量特征表的该质量特征的语义和重要级别字段也随之变更。也可以在该页面中删除质量特征,删除质量特征后,数据库中的质量特征表中的对应质量特征数据同步删除。
六、建立单特征质量分析规则管理页面,展示和管理全部单特征质量分析规则。
a. 在后台管理系统中新建单特征质量分析规则管理页面。单特征质量分析规则管理页面对应数据库中单特征质量分析规则表的数据的管理维护。
b.单特征质量分析规则管理页面分页展示了所有的单特征质量分析规则,如“id:H,语义:性能质量,质量特征id:Y,质量分析规则:(A)优秀:出现次数<=2;(B)良好:2<出现次数<=3;(C)一般:3<出现次数<=4;(D)有风险:4<出现次数<=5;(E)有重大风险:出现次数>5”,可以对所有单特征质量分析规则数据进行查询、修改、删除。查询时,可以使用关键字查询对应的单特征质量分析规则。修改时,可以修改某个单特征质量分析规则的字段信息,如将id为H的这个单特征质量分析规则数据的质量分析规则字段值改为“(A)优秀:出现次数<=3;(B)良好:3<出现次数<=4;(C)一般:4<出现次数<=5;(D)有风险:5<出现次数<=6;(E)有重大风险:出现次数>6”,质量特征id改为“Z”等。保存到数据库中,数据库中的单特征质量分析规则表的该行数据的质量分析规则字段和质量特征id字段的值也随之变更。也可以在该页面中删除某个单特征质量分析规则,删除后,数据库中的单特征质量分析规则表中的对应数据同步删除。
七、建立多特征综合质量分析规则管理页面,展示和管理全部多特征综合质量分析规则。
a.新建多特征综合质量分析规则管理页面。多特征综合质量分析规则管理页面对应数据库中多特征综合质量分析规则表的数据的管理维护。
b.多特征综合质量分析规则管理页面分页展示了所有的多特征综合质量分析规则,如“id:I,语义:综合质量,质量特征id:X、Y、Z,质量分析规则:(A)优秀:质量特征Y出现次数0次;质量特征Z出现次数<=2;质量特征X出现次数0次;(B)良好:质量特征Y出现次数1次;2<质量特征Z出现次数<=3;质量特征X出现次数0次;(C)一般:质量特征Y出现次数1次;3<质量特征Z出现次数<=4;质量特征X出现次数0次;(D)有风险:质量特征Y出现次数2次;4<质量特征Z出现次数<=5;质量特征X出现次数0次;(E)有重大风险:质量特征Y出现次数2次;质量特征Z出现次数>5;质量特征X出现次数>0次”,可以对所有多特征综合质量分析规则数据进行查询、修改、删除。查询时,可以使用关键字查询对应的多特征综合质量分析规则。修改时,可以修改某个多特征综合质量分析规则的字段信息,如将id为I的这个多特征综合质量分析规则数据的质量分析规则字段值改为“(A)优秀:质量特征Y出现次数0次;质量特征Z出现次数<=3;质量特征X出现次数0次;(B)良好:质量特征Y出现次数1次;3<质量特征Z出现次数<=4;质量特征X出现次数0次;(C)一般:质量特征Y出现次数1次;4<质量特征Z出现次数<=5;质量特征X出现次数0次;(D)有风险:质量特征Y出现次数2次;5<质量特征Z出现次数<=6;质量特征X出现次数0次;(E)有重大风险:质量特征Y出现次数2次;质量特征Z出现次数>6;质量特征X出现次数>0次”。保存到数据库中,数据库中的多特征综合质量分析规则表的该行数据的质量分析规则字段的值也随之变更。也可以在该页面中删除某个多特征综合质量分析规则,删除后,数据库中的多特征综合质量分析规则表中的对应数据同步删除。
八、建立质量分析页面,对所有实体元素进行质量分析,输出分析结果。
a.新建质量分析页面,对所有实体元素执行质量分析动作,得出实体元素的质量分析结果。
b.通过后台程序调取已有的实体元素层级树,列出数据库中实体元素层级树表中保存了的所有实体元素层级树,分析人员可对任何一棵实体元素层级树下的任何一个实体元素节点进行质量分析。例如一棵实体元素层级树结构为“首页-注册页面-用户名/设置密码/确认密码”,可对“注册页面”节点点击“质量分析”按钮进行质量分析。此时,后台程序查询“注册页面”节点的所有子节点有“用户名”、“设置密码”、“确认密码”三个子节点。然后后台程序根据“注册页面”节点和它的三个子节点“用户名”、“设置密码”、“确认密码”到数据库的缺陷表中查询哪些缺陷发生在这些节点。发现第一步中的测试环境缺陷(1)、测试环境缺陷(2)和测试环境缺陷(3)和第二步中的生产环境缺陷(1)、生产环境缺陷(2)和生产环境缺陷(3)这六个缺陷的“发生缺陷实体元素”字段的值含有以上四个节点。然后,后台程序根据这六个缺陷查询它们的质量特征,得到四个质量特征“X:功能有故障,Y:性能不好,Z:用户体验不友好,U:容错性不足”。
c.后台程序根据X、Y、Z、U四个质量特征,查询它们的单特征质量分析规则,发现存在一个规则“id:H,语义:性能质量,质量特征id:Y,质量分析规则:(A)优秀:出现次数<=2;(B)良好:2<出现次数<=3;(C)一般:3<出现次数<=4;(D)有风险:4<出现次数<=5;(E)有重大风险:出现次数>5”。根据规则H,以及判断所有六个缺陷中,Y特征出现的次数总共为2次,因此计算得出Y质量特征的单特征质量分析结果为“(A)优秀”。
d.后台程序根据X、Y、Z、U四个质量特征,查询包含它们中的部分或者全部的多特征综合质量分析规则,发现存在一个规则“id:I,语义:综合质量,质量特征id:X、Y、Z,质量分析规则:(A)优秀:质量特征Y出现次数0次;质量特征Z出现次数<=2;质量特征X出现次数0次;(B)良好:质量特征Y出现次数1次;2<质量特征Z出现次数<=3;质量特征X出现次数0次;(C)一般:质量特征Y出现次数1次;3<质量特征Z出现次数<=4;质量特征X出现次数0次;(D)有风险:质量特征Y出现次数2次;4<质量特征Z出现次数<=5;质量特征X出现次数0次;(E)有重大风险:质量特征Y出现次数2次;质量特征Z出现次数>5;质量特征X出现次数>0次”。根据规则I,以及判断所有六个缺陷中,X质量特征出现的次数总共为2次、Y质量特征出现的次数总共2次、Z质量特征出现的次数总共为1次,因此计算得出多特征综合质量分析结果为“(E)有重大风险”。
e.根据后台程序计算得出的单特征质量分析结果和多特征质量分析结果,在页面上展示每个实体元素节点的质量分析结果:
分析对象:“注册页面”;
分析结果:
(a)性能质量:优秀。
匹配规则:性能质量。
评判依据:“性能不好”特征出现次数<=2。
涉及缺陷:测试环境缺陷(1)、测试环境缺陷(2)、测试环境缺陷(3)、生产环境缺陷(1)、生产环境缺陷(2)、生产环境缺陷(3)。
(b)综合质量:有重大风险。
匹配规则:综合质量。
评判依据:“功能有故障”特征出现次数>0;“性能不好”特征出现次数=2;“用户体验不友好”特征出现次数>0。
涉及缺陷:测试环境缺陷(1)、测试环境缺陷(2)、测试环境缺陷(3)、生产环境缺陷(1)、生产环境缺陷(2)、生产环境缺陷(3)。
九、建立质量预警页面,可一次性对选中的所有实体元素进行质量分析,并对低于预设质量阈值的实体元素进行展示和预警。
a.新建质量预警页面,该页面负责对选中的实体元素进行统一的质量分析,并展示分析结果低于预设质量阈值的实体元素,起到预警作用。
b.该页面由预设质量阈值下拉框和实体元素层级树管理页面所组成,分析人员在预设质量阈值下拉框中选择一个质量等级,如选择“良好”,然后在实体元素层级树管理页面中选择一棵或者多棵树,或者选择某棵树中的某些节点后进行预警分析,后台程序根据选择的实体元素层级树或者节点列表,分析和计算实体元素层级树中的所有节点或者节点列表中的所有节点的质量等级结果。例如,一棵实体元素层级树结构为“首页-注册页面-用户名/设置密码/确认密码”,勾选了“注册页面”节点进行质量预警。
c.根据第八步的分析过程,可知“注册页面”节点的质量分析结果为“性能质量:优秀;综合质量:有重大风险”,由于预设质量阈值为“良好”,而“注册页面”节点的“综合质量”结果等级低于预设阈值,因此页面将输出“注册页面”节点的质量预警结果。
d.页面输出的质量预警结果:
预设质量阈值:良好。
预警对象:“注册页面”。
预警结果:
(a)综合质量:有重大风险。
匹配规则:综合质量。
评判依据:“功能有故障”特征出现次数>0;“性能不好”特征出现次数=2;“用户体验不友好”特征出现次数>0。
涉及缺陷:测试环境缺陷(1)、测试环境缺陷(2)、测试环境缺陷(3)、生产环境缺陷(1)、生产环境缺陷(2)、生产环境缺陷(3)。
Claims (3)
1.基于特征频度统计的软件质量分析方法,其特征包括:
A.提取测试环境中所有缺陷中包含的质量特征,质量特征的数据要素至少包括质量特征的语义、类别、重要级别和影响质量的严重程度;根据各质量特征的类别设置每个质量特征的数据要素的初始值,将所有的质量特征形成质量特征数据集,并将该质量特征数据集保存在数据库的质量特征表的存储结构中,然后建立缺陷与质量特征之间的关联关系;
B.提取生产环境中的所有缺陷中包含的质量特征,根据生产缺陷的类别、重要级别、影响质量的严重程度和危害性,对应更新提取的生产缺陷包含的质量特征中的类别、重要级别、影响质量的严重程度,并以此更新所述质量特征表中的对应数据,然后建立生产缺陷与质量特征之间的关联关系;
C.设置单特征质量分析规则,根据用户对软件质量的要求,对每一个质量特征,通过其出现的次数来设置该质量特征的单特征质量分析规则,以此计算和输出单特征质量等级,将单特征质量分析规则的数据保存在数据库的单特征质量分析规则表的存储结构中;
D.设置多特征综合质量分析规则,根据用户对软件质量的要求,通过至少两个质量特征同时出现的次数,设置多特征综合质量分析规则,以此计算和输出多特征综合质量等级,将多特征综合质量分析规则的数据保存在数据库的多特征综合质量分析规则表的存储结构中;
E.通过质量分析页面调取已建立的被测软件界面的所有实体元素层级树,分析人员选择其中一棵实体元素层级树的从顶层的根节点到最底层的叶节点的任意实体元素进行质量分析后,根据该实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,计算得到质量分析结果并显示在页面上;
F.设置质量预警页面,在所述质量预警页面中设置每种实体元素的质量分析结果阈值,通过后台程序扫描被选择的实体元素层级树,对每一棵实体元素层级树,分析人员选择从顶层的根节点到最底层的叶节点的任意数量的实体元素,后台程序调用每棵实体元素层级树中选择的每个实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,计算后得到质量分析结果,并将质量分析结果低于对应的质量分析结果阈值的实体元素和它的质量分析结果输出到质量预警页面上,通过质量预警页面展示所有低于质量分析结果阈值的实体元素和对应的质量分析结果;
步骤A中,每个质量特征的数据要素中还包括有该质量特征的id,通过更新数据库中的缺陷表中的所有缺陷数据,将每个质量特征的id写入对应的缺陷数据的质量特征id字段中,来建立所述的缺陷与质量特征之间的关联关系;
步骤B中,每个质量特征的数据要素中还包括有该质量特征的id,通过更新数据库中的生产缺陷表中所有生产缺陷,将每个质量特征的id写入对应的生产缺陷数据的质量特征id字段中,来建立所述的生产缺陷与质量特征之间的关联关系;
步骤B中,从生产环境的缺陷中提取出的质量特征,如果在所述的质量特征表中不存在,则根据该质量特征的类别设置该质量特征的数据要素的初始值后,将该质量特征加入到所述的质量特征表中;
步骤F中,后台程序调用的每个实体元素涉及到的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,包括在实体元素层级树中该实体元素下的所有子节点的生产缺陷数据、质量特征数据、单特征质量分析规则和多特征综合质量分析规则,然后计算出每一个单特征质量分析结果,如果在这些实体元素的缺陷中存在至少两个质量特征,且这些质量特征和某个多特征综合质量分析规则中包含的质量特征相匹配,则根据该多特征综合质量分析规则,继续计算多特征综合质量分析结果。
2.如权利要求1所述的基于特征频度统计的软件质量分析方法,其特征为:还设有单特征质量分析规则管理页面,用于查询、新增、修改和删除单特征质量分析规则。
3.如权利要求1所述的基于特征频度统计的软件质量分析方法,其特征为:还设有多特征综合质量分析规则管理页面,用于查询、新增、修改和删除多特征综合质量分析规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385321.3A CN111290969B (zh) | 2020-05-09 | 2020-05-09 | 基于特征频度统计的软件质量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385321.3A CN111290969B (zh) | 2020-05-09 | 2020-05-09 | 基于特征频度统计的软件质量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111290969A CN111290969A (zh) | 2020-06-16 |
CN111290969B true CN111290969B (zh) | 2021-10-22 |
Family
ID=71021069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010385321.3A Active CN111290969B (zh) | 2020-05-09 | 2020-05-09 | 基于特征频度统计的软件质量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111290969B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765045B (zh) * | 2021-04-07 | 2021-11-09 | 四川新网银行股份有限公司 | 一种基于案例模板的流量回放方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360335A (zh) * | 2011-10-19 | 2012-02-22 | 北京广利核系统工程有限公司 | 定量评估核电厂安全级dcs系统应用软件缺陷价值的方法 |
CN102591774A (zh) * | 2011-12-28 | 2012-07-18 | 深圳天源迪科信息技术股份有限公司 | 软件缺陷严重级别测定方法 |
CN104615533A (zh) * | 2015-01-15 | 2015-05-13 | 南京大学 | 一种基于移动即时通讯软件的软件缺陷智能跟踪管理方法 |
CN107122298A (zh) * | 2017-04-21 | 2017-09-01 | 千寻位置网络有限公司 | 可视化软件开发过程质量的展示方法 |
CN110109821A (zh) * | 2019-03-19 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 软件程序质量评价方法、装置、计算机设备及存储介质 |
CN110750299A (zh) * | 2019-09-25 | 2020-02-04 | 恒大智慧科技有限公司 | 智能软件质量跟踪系统、方法及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154287A (zh) * | 2017-12-06 | 2018-06-12 | 千寻位置网络有限公司 | 软件系统开发质量的分析评估方法 |
CN112380124A (zh) * | 2020-11-13 | 2021-02-19 | 众信方成智能科技(南京)有限公司 | 一种基于双语言调用关系图的混源软件质量评估方法 |
-
2020
- 2020-05-09 CN CN202010385321.3A patent/CN111290969B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360335A (zh) * | 2011-10-19 | 2012-02-22 | 北京广利核系统工程有限公司 | 定量评估核电厂安全级dcs系统应用软件缺陷价值的方法 |
CN102591774A (zh) * | 2011-12-28 | 2012-07-18 | 深圳天源迪科信息技术股份有限公司 | 软件缺陷严重级别测定方法 |
CN104615533A (zh) * | 2015-01-15 | 2015-05-13 | 南京大学 | 一种基于移动即时通讯软件的软件缺陷智能跟踪管理方法 |
CN107122298A (zh) * | 2017-04-21 | 2017-09-01 | 千寻位置网络有限公司 | 可视化软件开发过程质量的展示方法 |
CN110109821A (zh) * | 2019-03-19 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 软件程序质量评价方法、装置、计算机设备及存储介质 |
CN110750299A (zh) * | 2019-09-25 | 2020-02-04 | 恒大智慧科技有限公司 | 智能软件质量跟踪系统、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111290969A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10120912B2 (en) | System and method for combination-based data analysis | |
CN108446184B (zh) | 分析故障根原因的方法和系统 | |
US9053159B2 (en) | Non-conformance analysis using an associative memory learning agent | |
US6697802B2 (en) | Systems and methods for pairwise analysis of event data | |
AU2015207849B2 (en) | Information technology testing and testing data management | |
Shri et al. | Prediction of reusability of object oriented software systems using clustering approach | |
CN107145445A (zh) | 软件自动化测试的报错日志的自动分析方法和系统 | |
US10410146B2 (en) | Associative memory learning agent for analysis of manufacturing non-conformance applications | |
CN116450399B (zh) | 微服务系统故障诊断及根因定位方法 | |
CN111597122B (zh) | 一种基于历史缺陷数据挖掘的软件故障注入方法 | |
CN109408385B (zh) | 一种基于缺陷规则和分类反馈的缺陷发现方法 | |
CN110543422B (zh) | 一种用于fpr的软件包代码缺陷数据处理方法、系统及介质 | |
CN114065223A (zh) | 一种基于cvss的多维度软件安全风险评估方法 | |
CN111290969B (zh) | 基于特征频度统计的软件质量分析方法 | |
CN114757468A (zh) | 一种面向流程挖掘中流程执行异常的根源分析方法 | |
US7992126B2 (en) | Apparatus and method for quantitatively measuring the balance within a balanced scorecard | |
CN117057942A (zh) | 一种智能财务决策大数据分析系统 | |
CN111177016A (zh) | 软件测试缺陷的管理方法 | |
CN116303402A (zh) | 一种基于数据仓库的数据清洗方法 | |
CN114676054A (zh) | 一种测试数据生成方法、装置、设备、介质及产品 | |
Modapothala et al. | Study of economic, environmental and social factors in sustainability reports using text mining and Bayesian analysis | |
Kanellopoulos et al. | Interpretation of source code clusters in terms of the ISO/IEC-9126 maintainability characteristics | |
CN113434408B (zh) | 一种基于测试预言的单元测试用例排序方法 | |
CN117236275A (zh) | 一种芯片优化方法、装置、设备及存储介质 | |
Shao | WebEvo: taming web application evolution via semantic structure change detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |