JP2022014468A - テスト支援装置及びテスト支援方法 - Google Patents

Abstract

【課題】新たなテスト要件に対して、既存テストケースの中から最も再利用度の高いテストケースを抽出する。【解決手段】新規テスト要件を入力して参照テストケースを出力する装置は、新規テスト要件を入力するテスト要件取得部と、新規テスト要件について自然言語解析によりテスト要件数値化データを生成するテスト要件解析部と、既存テストケースをテスト要件数値化データに基づいて解析して、再利用可能な候補を出力テストケース候補として生成するテストケース解析部と、出力テストケース候補を参照テストケースとして出力するテストケース出力部と、を有し、テストケース解析部はテスト要件数値化データに基づいて既存テストケースを出力テストケース候補として生成し、出力テストケース候補のそれぞれに対する再利用度を算出し、テストケース出力部は再利用度に基づいて出力テストケース候補の中から参照テストケースを決定する。【選択図】図１Ａ

Description

本発明は、テスト支援装置及びテスト支援方法に関する。

既存のソフトウェア部品を再利用してソフトウェアを新規に構築する際に、上位層のソフトウェア部品で利用される下位層のソフトウェア部品を既存のソフトウェア部品の中から検索するための技術として、特許文献１に記載の技術が知られている。

この特許文献１には、ソフトウェア部品間の階層構造やバリエーションを考慮した上で、必要なソフトウェア部品を効率よく検索可能な技術を提供することを課題とし、解決手段として、上位層ソフトウェア部品に対応する下位層ソフトウェア部品の情報を検索するソフトウェア部品情報検索システムであって、互いに同一の名称を有する複数の下位層ソフトウェア部品であるバリエーション部品の中から、検索結果を必要なバリエーションのものに絞り込む機能を有することが記載されている。

また、特許文献２において、ソフトウェアの入力値及び出力値に関する要求を含む仕様に対して、１個のソフトウェアの少なくとも１つの機能を検証するためにコンピュータによってテストケースを自動的に形成するための解決手段が開示されている。

解決手段として、組み合わせ要求と順序要求とを区別するステップと、モデル化された仕様を取得するために、真偽表で組み合わせ要求をモデル化し、有限状態機械で順序要求をモデル化するステップと、前記ソフトウェアの前記入力値を、前記入力値が承継である確率及び前記入力値の間の遷移時間に関連付けて演算行列を確立するステップと、前記演算行列にモンテカルロドローを実行することによりテストされる前記入力値の承継を選択するステップと、それぞれ選択された承継を前記モデル化された仕様を考慮して予測される前記出力値に関係付けるテスト行を含むテストケースを決定するステップと、決定される前記テストケースが以下の基準、機能コードの検証された割合、要求の検証された割合、検証時間、及び検証コストの少なくとも１つに対して既定の閾値に到達することを可能にする場合、前記決定工程を停止するステップが記載されている。

特開２００８－２８７３５２号公報 特表２０１１－５２１３６８号公報

特許文献１では、ソフトウェア部品間の階層構造やバリエーションを考慮することで、必要なソフトウェア部品を必要なバリエーションのものに絞り込むことはできるが、絞り込み結果が複数存在する場合にどのソフトウェア部品を参照すべきかを選択するためには人手による確認が必要となるため、ソフトウェア部品を効率よく再利用することができない、という問題があった。

特許文献２では、要求をモデル化することで、要求に対応するテストケースを検索することはできるが、対応するテストケースが複数存在する場合に、どのテストケースを参照すべきかを選択するためには人手による確認が必要となるため、テストケースを効率よく生成することができない、という問題があった。

そこで本発明では、外部から与えられたテスト要件に対し、過去に生成したテストケースの中から、検証すべきソフトウェアが該テスト要件を満たしているか否かを判定するために開発が必要なテストケースを、効率よく生成するテスト支援装置を提供することを目的とする。

本発明は、プロセッサとメモリを有して、新規テスト要件を受け付けて、再利用可能な参照テストケースを出力するテスト支援装置であって、自然言語で記述された前記新規テスト要件を受け付けるテスト要件取得部と、前記受け付けた新規テスト要件について自然言語解析を実施してテスト要件数値化データを生成するテスト要件解析部と、過去に生成された既存テストケースを前記テスト要件数値化データに基づいて解析して、再利用可能な前記既存テストケースの候補を出力テストケース候補として生成するテストケース解析部と、前記出力テストケース候補の一部又は全部を参照テストケースとして出力するテストケース出力部と、を有し、前記テストケース解析部は、前記テスト要件数値化データに基づいて１つ以上の既存テストケースを出力テストケース候補として生成するテストケース候補抽出部と、前記出力テストケース候補のそれぞれに対する再利用度を算出する再利用性評価部と、を有し、前記テストケース出力部は、前記再利用性評価部が算出した前記再利用度に基づいて前記出力テストケース候補の中から参照テストケースを決定する。

本発明によれば、外部から与えられたテスト要件に対して、過去に生成したテストケースの中から最も再利用度の高いテストケースを用いて、テストケースを効率よく生成することが可能となる。

本明細書において開示される主題の、少なくとも一つの実施の詳細は、添付されている図面と以下の記述の中で述べられる。開示される主題のその他の特徴、態様、効果は、以下の開示、図面、請求項により明らかにされる。

本発明の実施例１を示し、テスト支援装置の機能の一例を示すブロック図である。 本発明の実施例１を示し、テスト支援装置のハードウェアを含む構成の一例を示すブロック図である。 本発明の実施例１を示し、自然言語で記述されたテスト要件の一例を示す図である。 本発明の実施例１を示し、計算機が解釈可能な形式言語で記述されたテストケースの一例を示す図である。 本発明の実施例１を示し、テスト要件解析部で行われる処理の概要を示すフローチャートである。 本発明の実施例１を示し、テスト要件解析部において実行される自然言語解析処理のフローチャートである。 本発明の実施例１を示し、図２に記載のテスト要件を数値データに変換したテスト要件数値化データの一例を示す図である。 本発明の実施例１を示し、テストケース候補抽出部の機能の一例を示す図である。 本発明の実施例１を示し、コードクローンデータの一例を示す図である。 本発明の実施例１を示し、クラスタデータの一例を示す図である。 本発明の実施例１を示し、テストケース候補の一例を示す図である。 本発明の実施例１を示し、コードクローン解析部の機能の一例を示す図である。 本発明の実施例１を示し、トークン分割テストケースの一例を示す図である。 本発明の実施例１を示し、トークン数データの一例を示す図である。 本発明の実施例１を示し、トークンカウント部において実行される処理の一例を示すフローチャートである。 本発明の実施例１を示し、コードクローン抽出部において実行される処理全体を表すフローチャートである。 本発明の実施例１を示し、図１５におけるコードクローン解析処理の内容を詳細に示したフローチャートである。 本発明の実施例１を示し、テストケース候補決定部の機能の一例を示す図である。 本発明の実施例１を示し、分類器生成部において実行される処理の一例を示すフローチャートである。 本発明の実施例１を示し、再利用性評価部の機能の一例を示す図である。 本発明の実施例１を示し、再利用グラフの一例を示す図である。 本発明の実施例１を示し、再利用度データの一例を示す図である。 本発明の実施例１を示し、再利用グラフ生成部において実行される処理の一例を示すフローチャートである。 本発明の実施例１を示し、再利用度算出部において実行される処理の一例を示すフローチャートである。 本発明の実施例１を示し、実施例１におけるテストケース出力部において実行される処理の一例を示すフローチャートである。 本発明の実施例２を示し、テストケース出力部において実行される処理の一例を示すフローチャートである。

本実施例は、テスト支援装置に関するものであって、特に、組み込みシステムの制御ソフトウェアの開発に用いるテスト技術に関する。

以下、本発明に好適な実施形態の例（実施例）を説明する。

＜構成＞
図１Ａは、本発明におけるテスト支援装置の機能の概要を示すブロック図である。

＜テスト支援装置＞
本発明にかかるテスト支援装置について図１Ａを用いて説明する。テスト支援装置０は、自然言語で記述された新規テスト要件１１を取得するテスト要件取得部１と、テスト要件から自然言語処理などの手法を用いてテスト要件数値化データを生成するテスト要件解析部２と、過去の組み込みソフトウェア開発プロジェクトにおいて人手で開発した既存のテストケースを前記テスト要件数値化データに基づき解析して参照テストケース１２の候補として出力するテストケース解析部３と、前記参照テストケース１２の候補のうち最も再利用度の高い参照テストケース１２を出力するテストケース出力部４から構成される。

また、テストケース解析部３は、前記テスト要件数値化データに基づき１つ以上の既存テストケースをテストケース候補として生成するテストケース候補抽出部３０１と、前記テストケース候補のそれぞれに対する再利用度を算出する再利用性評価部３０２から構成される。

テスト支援装置０は、再利用性（再利用度）の高い既存テストケースを参照テストケース１２とすることにより、ユーザ等は、前記参照テストケース１２の一部のみを修正すれば、検証対象のソフトウェアがテスト要件を満たしているかを判定するためのテストケースを生成できる。これにより、少ない工数でテストケースを生成することが可能となる。

図１Ｂは、テスト支援装置０のハードウェアを含む構成の一例を示すブロック図である。テスト支援装置０は、プロセッサ２１と、メモリ２２と、ストレージ装置２３と、入力装置２４と、出力装置２５と、ネットワーク装置２６を含む計算機である。

入力装置２４は、キーボードやマウス或いはタッチパネル等で構成される。出力装置２５はディスプレイなどで構成される。ネットワーク装置２６は、図示しないネットワークに接続されて他の装置と通信を行う。

メモリ２２には、テスト要件取得部１と、テスト要件解析部２と、テストケース解析部３と、テストケース出力部４がプログラムとしてロードされて、プロセッサ２１によって実行される。なお、テストケース解析部３は、テストケース候補抽出部３０１と、再利用性評価部３０２から構成される。

プロセッサ２１は、各機能部のプログラムに従って処理を実行することによって、所定の機能を提供する機能部として稼働する。例えば、プロセッサ２１は、テストケース解析プログラムに従って処理を実行することでテストケース解析部３として機能する。他のプログラムについても同様である。さらに、プロセッサ２１は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。

＜テスト要件とテストケース＞
図２は自然言語で記述されたテスト要件１１１の一例を示す図である。テスト要件１１１は検証対象の制御ソフトウェアが満たしているべき振る舞い、すなわちテストにおいて検証すべき内容を自然言語で記述したデータであり、Ｎｏ．１１２と、テスト要件１１３をひとつのエントリに含む。

テスト要件１１１は、所定のシステムのユニットテスト、組み合わせテスト、システムテスト等に用いられ、システムがユーザの要求を満たしているか否かを判定するために使用される。

例えば、Ｎｏ．＝１のテスト要件”Ｉｆ ｍｏｄｅ ｉｓ ＳＴＡＴＥ１ ａｎｄ ｉｎｐｕｔ ｉｓ ｌｏｗ， ｏｕｔｐｕｔ ｉｓ ０ ａｎｄ ｍｏｄｅ ｒｅｍａｉｎｓ ＳＴＡＴＥ１”においては、制御ソフトウェアはモードＳＴＡＴＥ１において入力がｌｏｗの場合にモードＳＴＡＴＥ１を保持する必要がある。

この場合、モードＳＴＡＴＥ１において制御ソフトウェアにｌｏｗを入力し、次に、制御ソフトウェアのモードを測定し、最後に、モードがＳＴＡＴＥ１となっていることを判定することにより、制御ソフトウェアが該テスト要件を満たしていることを確認することができる。

このように、制御ソフトウェアがテスト要件を満たしていることを確認するために制御ソフトウェアに与える具体的な入力及び制御ソフトウェアが計測する具体的な出力を定めたものがテストケースである。テストケースを自動で実行するため、テストケースを計算機で解釈可能な形式言語で記述する。

図３は計算機が解釈可能な形式言語で記述されたテストケースの一例を示す図である。テストケース１２１は、図に示したように検証すべき内容を、例えばテストの自動実行が可能なＰＣのようなテスト装置で実施できるよう形式的に記述したデータである。

＜テスト要件解析部＞
図４はテスト要件解析部２で行われる処理の一例を示すフローチャートである。

ステップＳ２１にて、テスト要件解析部２は、テスト要件取得部１から新規テスト要件１１を受け取る。ステップＳ２２にて、テスト要件解析部２は前記受け取った新規テスト要件１１の自然言語解析を行う。

ステップＳ２３にて、テスト要件解析部２は前記自然言語解析の結果をテスト要件数値化データ２００としてテストケース解析部３に出力する。このようにして、テスト要件解析部２はテスト要件をテスト要件数値化データに変換して処理を終了する。

＜自然言語解析＞
図５は、テスト要件解析部２において実行される自然言語解析処理（Ｓ２２）について、その処理の詳細なフローチャートである。

ステップＳ２２２にて、テスト要件解析部２は新規テスト要件１１をテスト要件の構成単位である単語に分割して前記各単語をキューに登録する。ステップＳ２２３にて、テスト要件解析部２は前記キューに単語が存在しているか否かを判定し、存在している場合にはステップＳ２２４に進み、存在しない場合にはステップＳ２２９に進んで処理を終了する。

ステップＳ２２４にて、テスト要件解析部２は前記キューから単語をポップする。ステップＳ２２５にて、テスト要件解析部２は前記ポップした単語が既出単語リストに存在しているか否かを判定し、前記ポップした単語が前記既出単語リストに存在している場合にはステップＳ２２６に進み、前記ポップした単語が前記既出単語リストに存在しない場合にはステップＳ２２７に進む。

ステップＳ２２６にて、テスト要件解析部２は前記既出単語リストに記載の該当既出単語の出現回数をインクリメントしてからステップＳ２２３に戻って上記処理を繰り返す。ステップＳ２２７にて、テスト要件解析部２は前記ポップした単語を既出単語リストに追加する。ステップＳ２２８にて、テスト要件解析部２は該単語の出現回数を１で初期化してからステップＳ２２３に戻って上記処理を繰り返す。

上記自然言語解析処理により、テスト支援装置０は自然言語で記述された新規テスト要件１１を、前記テスト要件に含まれる単語の出現回数を並べた数値ベクトルに変換し、テスト要件数値化データ２００を生成することができる。

＜テスト要件数値化データ＞
図６は、図２に記載の各テスト要件１１１に対して、テスト要件数値化データ２００を生成した結果を示している。それぞれのテスト要件に対して、各単語が何度出現したかを表形式で保存したデータである。例えば、Ｎｏ．＝１のテスト要件” Ｉｆ ｍｏｄｅ ｉｓ ＳＴＡＴＥ１ ａｎｄ ｉｎｐｕｔ ｉｓ ｌｏｗ， ｏｕｔｐｕｔ ｉｓ ０ ａｎｄ ｍｏｄｅ ｒｅｍａｉｎｓ ＳＴＡＴＥ１”に関しては、単語ｉｆは１回、ｍｏｄｅは２回出現しているため、表で該当する箇所にそれぞれ１、２が記載され、単語ｔｈｅは出現していないため該当する箇所に０が記載される。

テスト要件解析部２は、上述のようにテスト要件１１３の単語の出現回数を並べて数値ベクトルに変換し、テスト要件数値化データ２００を生成する。

＜テストケース候補抽出部＞
図７は、テストケース解析部３を構成するテストケース候補抽出部３０１の構成を示した図である。

前記テストケース候補抽出部３０１は、既存テストケース保存部３０１１と、コードクローン解析部３０１２と、クラスタリング実施部３０１４と、テストケース候補決定部３０１６から構成される。

テストケース候補抽出部３０１は、入力された新規テスト要件１１の数値化データと、過去に開発した既存テスト要件３０１１２の数値化データを比較し、後述するように入力された新規テスト要件１１の数値化データがどのクラスタに属するかを決定し、そのクラスタに含まれる既存テストケースをテストケース候補として出力する。

＜既存テストケース保存部＞
既存テストケース保存部３０１１は、テストケース候補抽出部３０１の構成要素の１つであって、過去の組み込みソフトウェア開発プロジェクトにおいて人手で開発した既存のテストケースを既存テストケース３０１１１として保存する。

既存テストケース３０１１１は、検証すべき振る舞いを自然言語で記述したテスト要件を基に生成されており、各テストケースは検証すべき振る舞いを記述した既存テスト要件３０１１２と紐付けされた状態で保存されている。前記紐付けは、各既存テストケース３０１１１と各既存テスト要件３０１１２をタグ付けする手法又は各既存テストケース３０１１１と各既存テスト要件３０１１２の対応付けを表形式で記述する手法により行う。

なお、既存テストケース保存部３０１１に保存する既存テストケース３０１１１は、例えば、車両におけるＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）などの制御コントローラをテストするＨｉＬＳ（Ｈａｒｄｗａｒｅ ｉｎ ｔｈｅ Ｌｏｏｐ Ｓｉｍｕｌａｔｏｒ）などの試験装置が読み込み及び実行可能な形式で記述したものであり、図３はその一例である。また、既存テストケース３０１１１に紐付けされたテスト要件を既存テスト要件３０１１２と呼ぶ。

＜コードクローン解析部＞
コードクローン解析部３０１２は、テストケース候補抽出部３０１の構成要素の１つであって、既存テストケース保存部３０１１に保存された既存テストケース３０１１１同士の類似度を評価する。

前記類似度の評価は、既存テストケース３０１１１に共通するコードクローンの割合に基づく。すなわち、コードクローン解析部３０１２は、２つの既存テストケース３０１１１において記述された形式言語の間のコードクローンを解析して、形式言語の要素数に対するコードクローンの要素数の占める割合を類似度として算出する。

図１１はコードクローン解析部３０１２の構成を示した図である。コードクローン解析部３０１２は、既存テストケース３０１１１をトークンに分割する字句解析部３０１２１、既存テストケース３０１１１に存在するトークンの数をカウントするトークンカウント部３０１２３と、既存テストケース保存部３０１１に保存された既存テストケース３０１１１同士に共通するコードクローンを抽出するコードクローン抽出部３０１２５から構成される。

＜字句解析部＞
字句解析部３０１２１は、既存テストケース３０１１１をトークンごとに分割し、トークン分割テストケース３０１２２に変換する。前記トークンとは、演算子や括弧といったテストケースを構成する最小の単位である。図１２は、図３に示した既存テストケース３０１１１をトークン分割テストケース３０１２２に変換した例である。この例においては、字句解析部３０１２１は、ｉｎｐｕｔやｍｏｄｅなどの変数名、＝＝や＜などの演算子、及び括弧ごとに既存テストケース３０１１１を分割する。

＜トークンカウント部＞
トークンカウント部３０１２３は、トークン分割テストケース３０１２２に存在するトークンの総数をカウントする。

図１４はトークンカウント部３０１２３において実行される処理の一例を示すフローチャートである。ステップＳ３０１２３１にて、トークンカウント部３０１２３は、字句解析部３０１２１からトークン分割テストケース３０１２２を受け取る。

ステップＳ３０１２３２にて、トークンカウント部３０１２３は既存テストケース３０１１１及び該既存テストケースを変換したトークン分割テストケース３０１２２を識別するためのインデックスｉを０で初期化する。

ステップＳ３０１２３３にて、トークンカウント部３０１２３はインデックスｉがテストケース数より小さいか否かを判定し、テストケース数より小さい場合にはステップＳ３０１２３４に進み、テストケース数以上である場合にはステップＳ３０１２３Ａに進む。

ステップＳ３０１２３４にて、トークンカウント部３０１２３はトークン数をカウントするための変数Ｃｏｕｎｔを１で初期化する。

ステップＳ３０１２３５にて、トークンカウント部３０１２３はトークン分割テストケース［ｉ］の先頭のトークンを抽出する。

ステップＳ３０１２３６にて、トークンカウント部３０１２３はトークン分割テストケース［ｉ］にトークンが存在しているか否かを判定し、存在している場合にはステップＳ３０１２３７に進み、存在しない場合にはステップＳ３０１２３８に進む。

ステップＳ３０１２３７にて、トークンカウント部３０１２３は変数ＣｏｕｎｔをインクリメントしてからステップＳ３０１２３５に戻って上記処理を繰り返す。

ステップＳ３０１２３８にて、トークンカウント部３０１２３はインデックスｉをインクリメントする。ステップＳ３０１２３９にて、トークンカウント部３０１２３はトークン数データ［ｉ］にＣｏｕｎｔを代入してからステップＳ３０１２３３に戻って上記処理を繰り返す。

ステップＳ３０１２３Ａにて、トークンカウント部３０１２３はトークン数データ３０１２４を出力して処理を終了する。

これにより、トークンカウント部３０１２３は、既存テストケース３０１１１同士の類似度を算出する際に必要となる、テストケースに含まれるトークンの総数を出力することができる。

＜トークン数データ＞
図１３はトークン数データ３０１２４の例を示した図である。トークン数データ３０１２４は、テストケースの識別子とトークン数をひとつのエントリに含む。トークン数データ３０１２４は、それぞれのテストケースに含まれるトークンの数を表形式で保存したデータである。

＜コードクローン抽出部＞
コードクローン抽出部３０１２５は、既存テストケース保存部３０１１に保存された既存テストケース３０１１１同士に共通するコードクローンを抽出する。

図１５は、コードクローン抽出部３０１２５において実行される処理全体を表すフローチャートである。

ステップＳ３０１２５１にて、コードクローン抽出部３０１２５は、トークン分割テストケース３０１２２を入力として受け取り、前記受け取ったトークン分割テストケース３０１２２に含まれる各トークンを配列ＴＣに格納する。

コードクローン抽出部３０１２５は、既存テストケース保存部３０１１に保存されるすべての既存テストケース３０１１１を配列ＴＣに格納する。したがって、配列ＴＣは２次元配列となる。すなわち、行方向インデックスを用いてトークン分割テストケース３０１２２を識別し、列方向インデックスを用いて該トークン分割テストケース３０１２２に含まれる各トークンを識別する。

ステップＳ３０１２５２にて、コードクローン抽出部３０１２５は、トークン数データ３０１２４を入力として受け取る。

ステップＳ３０１２５３にて、コードクローン抽出部３０１２５は、トークン分割テストケース３０１２２を識別するためのインデックスｉを０で初期化する。

ステップＳ３０１２５４にて、コードクローン抽出部３０１２５は、インデックスｉがテストケース数より小さいか否かを判定し、テストケース数より小さい場合にはステップＳ３０１２５５に進み、テストケース数以上の場合にはステップＳ３０１２５Ａに進む。

ステップＳ３０１２５５にて、コードクローン抽出部３０１２５は、トークン分割テストケース３０１２２を識別するためのインデックスｊを０で初期化する。

ステップＳ３０１２５６にて、コードクローン抽出部３０１２５は、インデックスｊがテストケース数より小さいか否かを判定し、テストケース数より小さい場合にはステップＳ３０１２５８に進み、テストケース数以上の場合にはステップＳ３０１２５７に進む。

ステップＳ３０１２５７にて、コードクローン抽出部３０１２５は、インデックスｉをインクリメントしてからステップＳ３０１２５４に戻って上記処理を繰り返す。

ステップＳ３０１２５８にて、コードクローン抽出部３０１２５は、コードクローン解析を行う。コードクローン解析処理の詳細は図１６で説明する。

ステップＳ３０１２５９にて、コードクローン抽出部３０１２５は、インデックスｊをインクリメントしてからステップＳ３０１２５６に戻って上記処理を繰り返す。

ステップＳ３０１２５Ａにて、コードクローン抽出部３０１２５は、コードクローンデータ３０１３を出力して処理を終了する。

これにより、コードクローン抽出部３０１２５は、２つの既存テストケース３０１１１に対してコードクローン解析を行うことで既存テストケース３０１１１同士の類似度をコードクローンデータ３０１３として出力することができる。

コードクローンデータ３０１３は、２つの既存テストケース３０１１１の間のコードクローンを解析し、該既存テストケース３０１１１のトークンの総数（個数）に占めるコードクローンと判定されたトークン数の割合を表形式で保存したデータである。

この割合が高いほど該２つのテストケースは類似していると評価することができる。コードクローンデータ３０１３の一例を図８に示す。図示の例では、テストケース１とテストケース２はおおむね５０％程度類似しており、テストケース３とテストケース５はおおむね８０％程度類似していると判定することができる。

＜コードクローン解析＞
図１６は、図１５におけるコードクローン解析処理（Ｓ３０１２５８）に関するフローチャートである。

ステップＳ３０１２５８１にて、コードクローン抽出部３０１２５は、インデックスｉで識別されたトークン分割テストケース３０１２２において処理対象とするトークンを識別するためのインデックスｍを０で初期化する。

ステップＳ３０１２５８２にて、コードクローン抽出部３０１２５は、インデックスｍがトークン数［ｉ］より小さいか否かを判定し、トークン数［ｉ］より小さい場合にはステップＳ３０１２５８３に進み、トークン数［ｉ］以上の場合にはステップＳ３０１２５８Ｄに進んで処理を終了する。

ステップＳ３０１２５８３にて、コードクローン抽出部３０１２５は、インデックスｊで識別されたトークン分割テストケース３０１２２において処理対象とするトークンを識別するためのインデックスｎを０に初期化する。

ステップＳ３０１２５８４にて、コードクローン抽出部３０１２５は、インデックスｎがトークン数［ｊ］より小さいか否かを判定し、トークン数［ｊ］より小さい場合にはステップＳ３０１２５８５に進み、トークン数［ｊ］以上の場合にはステップＳ３０１２５６Ｄに進む。

ステップＳ３０１２５８５にて、コードクローン抽出部３０１２５は、トークン分割テストケースｉとｊで連続的に検出された共通トークン数をカウントする変数ｃｌｏｎｅ＿ｎｕｍを０に初期化する。

ステップＳ３０１２５８６にて、コードクローン抽出部３０１２５は、インデックスｍをインクリメントしてからステップＳ３０１２５８２へ戻って上記処理を繰り返す。

ステップＳ３０１２５８７にて、コードクローン抽出部３０１２５は、トークン分割テストケース［ｉ］のｍ＋ｃｌｏｎｅ＿ｎｕｍ番目のトークンとトークン分割テストケース［ｊ］のｎ＋ｃｌｏｎｅ＿ｎｕｍ番目のトークンが等しいか否かを判定し、等しい場合にはステップＳ３０１２５８８に進み、異なる場合にはステップＳ３０１２５８９に進む。

ステップＳ３０１２５８８にて、コードクローン抽出部３０１２５は、変数ｃｌｏｎｅ＿ｎｕｍをインクリメントしてからステップＳ３０１２５８７に戻って上記処理を繰り返す。

ステップＳ３０１２５８９にて、コードクローン抽出部３０１２５は、変数ｃｌｏｎｅ＿ｎｕｍが最小トークン数より大きいか否かを判定し、最小トークン数より大きい場合にはステップＳ３０１２５８Ｂに進み、最小トークン数以下の場合にはステップＳ３０１２５８Ａに進む。

これにより、連続的に検出された共通トークン数が最小トークン数以下である場合に、該連続的に検出された共通トークンがコードクローンとして検出されることを防止することができる。

最小トークン数を小さく設定すると、本来はコードクローンとして検出されるべきでない箇所（例えば、単なる変数の宣言）をコードクローンとして誤検出することとなる。一方、最小トークン数を大きく設定すると、本来はコードクローンとして検出されるべき箇所をコードクローンとして検出できないこととなる。したがって、最小トークン数は解析するデータに応じて適切に設定する必要がある。

ステップＳ３０１２５８Ａにて、コードクローン抽出部３０１２５は、インデックスｎにｎ＋ｃｌｏｎｅ＿ｎｕｍ＋１を代入してからステップＳ３０１２５８４へ戻って上記処理を繰り返す。

ステップＳ３０１２５８Ｂにて、コードクローン抽出部３０１２５は、コードクローンデータ［ｉ］［ｊ］に変数ｃｌｏｎｅ＿ｎｕｍをクローン数［ｉ］で割った値（類似度）を代入する。

ステップＳ３０１２５８Ｃにて、コードクローン抽出部３０１２５は、インデックスｍにｍ＋ｃｌｏｎｅ＿ｎｕｍ＋１を代入してからステップＳ３０１２５８２へ戻って上記処理を繰り返す。

これにより、コードクローン抽出部３０１２５は、２つの既存テストケース３０１１１に対してトークン構成が同じである箇所をコードクローンとして検出することができる。

＜クラスタリング実施部＞
クラスタリング実施部３０１４は、テストケース候補抽出部３０１の構成要素の１つであって、コードクローンデータ３０１３に基づき、類似した既存テストケース３０１１１同士をクラスタに分類する。

コードクローンデータ３０１３には、２つの既存テストケース３０１１１の類似度が記録されている。２つの既存テストケース３０１１１の類似度の逆数を、該２つの既存テストケース３０１１１同士の疑似的な距離とみなすことにより、公知又は周知のクラスタリングアルゴリズムを適用して類似した既存テストケース３０１１１同士をクラスタに分類することができる。

例えば、図８に示すコードクローンデータ３０１３の場合、テストケース１とテストケース２はおおむね５０％程度類似のためテストケース１と２の間の距離は１／０．５＝２、テストケース３とテストケース５はおおむね８０％程度類似のため距離は１／０．８＝１．２５とみなすことができる。

これにより、類似している既存テストケース３０１１１同士の距離が近いと判定できる。クラスタリングアルゴリズムにはＶＢＧＭＭ （Ｖａｒｉａｔｉｏｎａｌ Ｂａｙｅｓｉａｎ Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ）を使用する。ＶＢＧＭＭは点群を距離に基づき分類するためのアルゴリズムで、点群間の距離を与えることにより、クラスタ数の決定及び各点群のクラスタ分類を自動で行うものである。

本実施例においては、既存テストケース３０１１１間の疑似的な距離が与えられているので、ＶＢＧＭＭにより、類似した既存テストケース３０１１１同士をクラスタに分類することが可能である。

＜クラスタデータ＞
図９はクラスタデータ３０１５の例を示した図である。クラスタデータ３０１５は、テストケースの識別子と、クラスタの識別子をひとつのエントリに含む。クラスタデータ３０１５は、それぞれのテストケースがどのクラスタと対応しているかを表形式で保存したデータである。

＜テストケース候補決定部＞
テストケース候補決定部３０１６は、テストケース候補抽出部３０１の構成要素の１つであって、参照すべきテストケースの候補を決定する。

図１７は、テストケース候補決定部３０１６の構成を示した図である。

テストケース候補決定部３０１６は、分類器生成部３０１６１と分類実施部３０１６２からなる。

分類器生成部３０１６１は、既存テストケース保存部３０１１に保存されている既存テストケース３０１１１及び該既存テストケースに紐付けされた既存テスト要件３０１１２及びクラスタデータ３０１５に基づき分類器を生成する。

分類実施部３０１６２は、前記分類器を用いて新規テスト要件１１を数値化したデータがどのクラスタに分類されるかを決定し、前記決定したクラスタに含まれるすべてのテストケースをテストケース候補として再利用性評価部３０２に出力する。

これにより、テストケース候補決定部３０１６は、テスト要件解析部２が受け取ったテスト要件に対して参照すべきテストケースの候補を決定することができる。

＜分類器生成部＞
図１８は分類器生成部３０１６１において実行される処理のフローチャートである。

ステップＳ３０１６１１にて、分類器生成部３０１６１は既存テストケース保存部３０１１に保存された各既存テストケース３０１１１に紐付けされた既存テスト要件３０１１２を入力として受け取る。

ステップＳ３０１６１２にて、分類器生成部３０１６１はクラスタデータ３０１５を入力として受け取る。

ステップＳ３０１６１３にて、分類器生成部３０１６１はステップＳ３０１６１１にて受け取った既存テスト要件３０１１２について自然言語解析を実施し、テスト要件数値化データＳ３０１６１４を生成する。前記自然言語解析はテスト要件解析部２におけるステップＳ２２と同一の方法で行う。

ステップＳ３０１６１５にて、分類器生成部３０１６１は、既存テスト要件３０１１２の数値化データ（Ｓ３０１６１４）を入力ベクトルとし、クラスタデータ３０１５を参照して該既存テスト要件３０１１２と紐付けされた既存テストケース３０１１１が所属するクラスタの番号を特定し、該クラスタの番号をラベルとして教師あり学習を行い、分類器を生成する。

教師あり学習のアルゴリズムとしては、例えば、ディープニューラルネットワークやサポートベクタマシンなどの周知又は公知のアルゴリズムを用いる。本手法は、画像データを入力ベクトルとし、犬や猫をラベルとしてディープニューラルネットワーク解析を行い犬や猫画像分類器を生成する手法をテストに応用したものである。

＜分類実施部＞
分類実施部３０１６２において実行される処理について説明する。分類実施部３０１６２は、分類器生成部３０１６１が生成した分類器を用いて、新規テスト要件１１を数値化したデータに対するクラスタ分類を決定し、前記決定したクラスタに含まれるすべての既存テストケース３０１１１をテストケース候補として再利用性評価部３０２に出力する。

まず、テスト要件解析部２が生成したテスト要件数値化データ２００を分類器に入力する。このとき、分類器は前記テスト要件数値化データＳ３０１６１４が分類されるクラスタを決定する。

次に、分類実施部３０１６２は、クラスタデータ３０１５を参照し、分類器が決定した前記クラスタに所属するすべての既存テストケース３０１１１を特定する。最後に、分類実施部３０１６２は、前記特定したすべての既存テストケース３０１１１をテストケース候補３０１０として出力する。

分類器生成部３０１６１は、過去に開発された既存テストケース３０１１１と該既存テストケース３０１１１に紐づく既存テスト要件３０１１２の関係を解析しているので、分類実施部３０１６２によるテストケース候補３０１０の出力は、新規テスト要件１１に対して開発されると期待されるテストケースを過去の実績に基づき予測又は推定していることに相当する。

＜テストケース候補＞
図１０はテストケース候補３０１０の例を示した図である。テストケース候補３０１０は既存テストケース３０１１１の識別子を表形式で保存したデータである。

＜再利用性評価部＞
再利用性評価部３０２は、テストケース候補３０１０に含まれる各既存テストケース３０１１１に対して再利用性を評価し、再利用度データ３０２０を生成する。

図１９は再利用性評価部３０２の構成を示した図である。再利用性評価部３０２は、候補間コードクローン解析部３０２１と、再利用グラフ生成部３０２３と、再利用度算出部３０２５からなる。

テストケース候補３０１０に含まれる各既存テストケース３０１１１の再利用度は、再利用グラフを用いて算出される。

＜候補間コードクローン解析部＞
候補間コードクローン解析部３０２１は、テストケース候補３０１０に含まれる既存テストケース３０１１１同士に関してコードクローン解析を行う。前記コードクローン解析は、上述のコードクローン解析部３０１２と同一の方法で行う。

候補間コードクローン解析部３０２１は、解析の結果として、候補間コードクローンデータ３０２２を生成する。前記候補間コードクローンデータ３０２２は、コードクローン解析部３０１２が生成するコードクローンデータ３０１３のうち、テストケース候補３０１０に含まれる既存テストケース３０１１１同士に関するものと同一である。

＜再利用グラフ生成部＞
図２２は、再利用グラフ生成部３０２３において実行される処理の一例を示すフローチャートある。ステップＳ３０２３１にて、再利用グラフ生成部３０２３は、候補間コードクローンデータ３０２２を入力として受け取る。

ステップＳ３０２３２にて、再利用グラフ生成部３０２３は、処理対象とするテストケース候補３０１０を識別するインデックスｉを０に初期化する。ステップＳ３０２３３にて、再利用グラフ生成部３０２３は、インデックスｉがテストケース候補数より小さいか否かを判定し、テストケース候補数より小さい場合にはステップＳ３０２３４に進み、テストケース候補数以上の場合にはステップＳ３０２３６に進む。

ステップＳ３０２３４にて、再利用グラフ生成部３０２３は、テストケース候補［ｉ］を再利用度グラフ３０２４にノードとして追加する。ステップＳ３０２３５にて、再利用グラフ生成部３０２３は、インデックスｉをインクリメントした後に、ステップＳ３０２３３に戻って上記処理を繰り返す。

ステップＳ３０２３６にて、再利用グラフ生成部３０２３は、インデックスｉを０に初期化する。ステップＳ３０２３７にて、再利用グラフ生成部３０２３は、インデックスｉがテストケース候補数より小さいか否かを判定し、テストケース候補数より小さい場合にはステップＳ３０２３８に進み、テストケース候補数以上の場合にはステップＳ３０２３Ｆに進んで処理を終了する。

ステップＳ３０２３８にて、再利用グラフ生成部３０２３は、インデックスｉのテストケース候補に対して比較の対象となるテストケース候補を識別するインデックスｊを０に初期化する。

ステップＳ３０２３９にて、再利用グラフ生成部３０２３は、インデックスｊがテストケース候補数より小さいか否かを判定し、テストケース候補数より小さい場合にはステップＳ３０２３Ａに進み、テストケース候補数以上の場合にはステップＳ３０２３Ｂに進む。

ステップＳ３０２３Ａにて、再利用グラフ生成部３０２３は、インデックスｉをインクリメントしてからステップＳ３０２３７に戻って上記処理を繰り返すする。

ステップＳ３０２３Ｂにて、再利用グラフ生成部３０２３は、テストケース候補［ｉ］にテストケース候補［ｊ］のクローンがどれくらい存在するかを表すコードクローン［ｉ］［ｊ］が予め設定された閾値より大きいか否かを判定し、閾値より大きい場合にはステップＳ３０２３Ｃに進み、閾値以下の場合にはステップＳ３０２３Ｅに進む。前記閾値は、テストケース候補［ｉ］とテストケース候補［ｊ］を類似又は非類似のどちらに判定するかを決定するためのものである。

ステップＳ３０２３Ｃにて、再利用グラフ生成部３０２３は、テストケース候補［ｊ］にテストケース候補［ｉ］のクローンがどれくらい存在するかを表すコードクローン［ｊ］［ｉ］（候補間コードクローンデータ３０２２に格納されている値）が前記閾値より大きいか否かを判定し、閾値より大きい場合にはステップＳ３０２３Ｄに進み、前記閾値以下の場合にはステップＳ３０２３Ｅに進む。

ステップＳ３０２３Ｄにて、再利用グラフ生成部３０２３は、インデックスｉで識別したテストケースの候補をグラフ上で記述したノード（ノードｉ）とインデックスｊで識別したテストケースの候補をグラフ上で記述したノード（ノードｊ）の間にリンクを生成する。

ステップＳ３０２３Ｅにて、再利用グラフ生成部３０２３は、インデックスｊをインクリメントしてからステップＳ３０２３９に戻って上記処理を繰り返す。

以上の処理により、前記テストケース候補３０１０に含まれるすべての既存テストケース３０１１１をノードとし、既存テストケース３０１１１同士のコードクローン解析結果により算出される該既存テストケース３０１１１間の類似度が閾値以上の場合にノード間のリンクを生成することで再利用度グラフ３０２４を生成することができる。

再利用度グラフ３０２４は、多くのリンクがつながっているノードに対応する既存テストケース３０１１１が、テストケース候補３０１０に含まれる他の既存テストケース３０１１１の多くと類似していることを表している。すなわち、前記多くのリンクがつながっているノードに対応する既存テストケース３０１１１が参照するにふさわしいと考えられる。

＜再利用グラフ＞
図２０は再利用度グラフ３０２４の例を示した図である。再利用度グラフ３０２４は、テストケースをノードとし、テストケース同士のコードクローンの割合に応じてリンクを生成したグラフである。

図２０に示す例の場合、テストケース２は、テストケース１とテストケース４に対し、閾値以上の割合で共通するコードクローンを有することを示す。同様に、テストケース１は、テストケース２とテストケース４とテストケース１０に対し、閾値以上の割合で共通するコードクローンを持つことを示している。

＜再利用度算出部＞
図２３は再利用度算出部３０２５において実行される処理のフローチャートである。

ステップＳ３０２５１にて、再利用度算出部３０２５は再利用度グラフ３０２４を入力として受け取る。

ステップＳ３０２５２にて、再利用度算出部３０２５は処理対象とするテストケース候補３０１０を識別するためのインデックスｉを０に初期化する。

ステップＳ３０２５３にて、再利用度算出部３０２５はインデックスｉが再利用グラフに含まれるノード数より小さいか否かを判定し、ノード数より小さい場合にはステップＳ３０２５４に進み、ノード数以上の場合にはステップＳ３０２５Ｂに進む。

ステップＳ３０２５４にて、再利用度算出部３０２５は、インデックスｉで識別されるテストケース候補３０１０に対応するノード（ノードｉ）に接続されるリンクの数を格納する変数Ｃｏｕｎｔを０に初期化する。

ステップＳ３０２５５にて、再利用度算出部３０２５はインデックスｉに対して比較の対象とするテストケース候補３０１０及び該テストケース候補に対応するノード（ノードｊ）を識別するためのインデックスｊを０に初期化する。

ステップＳ３０２５６にて、再利用度算出部３０２５はインデックスｊが再利用度グラフ３０２４に含まれるノード数より小さいか否かを判定し、ノード数より小さい場合にはステップＳ３０２５７に進み、ノード数以上の場合にはステップＳ３０２５９に進む。

ステップＳ３０２５７にて、再利用度算出部３０２５はノードｉとノードｊの間にリンクが存在するか否かを判定し、存在する場合にはステップＳ３０２５８に進み、存在しない場合にはステップＳ３０２５６に戻って上記処理を繰り返す。

ステップＳ３０２５８にて、再利用度算出部３０２５は変数Ｃｏｕｎｔをインクリメントした後に、ステップＳ３０２５６に戻って上記処理を繰り返す。

ステップＳ３０２５９にて、再利用度算出部３０２５は再利用度データ［ｉ］（ノードｉの再利用度を格納する）に変数Ｃｏｕｎｔの値を代入する。ステップＳ３０２５Ａにて、再利用度算出部３０２５はインデックスｉをインクリメントしてからステップＳ３０２５３に戻って上記処理を繰り返す。

ステップＳ３０２５Ｂにて、再利用度算出部３０２５は再利用度データ３０２０を出力して処理を終了する。

これにより、再利用度算出部３０２５は、前記再利用度グラフ３０２４に基づきテストケース候補３０１０に含まれる各既存テストケース３０１１１が有するリンクの数を再利用度データ３０２０として出力することができる。

＜再利用度データ＞
図２１は、再利用度データ３０２０の例を示した図である。再利用度データ３０２０は、既存テストケース３０１１１の識別子を格納するテストケースと、再利用度をひとつのエントリに含み、各テストケースの再利用度を表形式で保存したデータである。

＜テストケース出力部＞
図２４は実施例１におけるテストケース出力部４において実行される処理のフローチャートである。

ステップＳ４０からテストケース出力部４の処理が開始される。ステップＳ４１にて、テストケース出力部４は再利用性評価部３０２から再利用度データ３０２０を入力として受け取る。

ステップＳ４２にて、テストケース出力部４は処理対象のテストケース候補３０１０を識別するためのインデックスｉを０に初期化する。ステップＳ４３にて、テストケース出力部４は、最大の再利用度を有するテストケース候補３０１０を識別するインデックスを格納する変数Ｍａｘ＿ｉｄを０に初期化する。

ステップＳ４４にて、テストケース出力部４は、インデックスｉが再利用度データ数より小さいか否かを判定し、再利用度データ数より小さい場合にはステップＳ４５に進み、再利用度データ数以上の場合にはステップＳ４８に進む。

ステップＳ４５にて、テストケース出力部４は、再利用度データ［ｉ］が再利用度データ［Ｍａｘ＿ｉｄ］より大きいか否かを判定し、再利用度データ［Ｍａｘ＿ｉｄ］より大きい場合にはステップＳ４６に進み、再利用度データ［Ｍａｘ＿ｉｄ］以下の場合にはステップＳ４７に進む。

ステップＳ４６にて、テストケース出力部４は、変数Ｍａｘ＿ｉｄにｉを代入する。ステップＳ４７にて、テストケース出力部４は、インデックスｉをインクリメントしてからステップＳ４４に戻って上記処理を繰り返す。

ステップＳ４８にて、テストケース出力部４は、テストケース［Ｍａｘ＿ｉｄ］を参照テストケース１２として出力する。そして、ステップＳ４９ではテストケース出力部４が処理を終了する。

これにより、テストケース候補３０１０のうち、再利用度データ３０２０が最大である既存テストケース３０１１１を参照テストケース１２として出力することができる。

本実施例によれば、外部から与えられた新規テスト要件１１に対して、過去に人手で生成した既存テストケース３０１１１の中から最も再利用度の高い既存テストケース３０１１１を提示することができるため、テストケースを効率よく生成することが可能となる。

本発明にかかる実施例２におけるテスト支援装置及び方法について説明する。前記実施例１と異なる点は、テストケース出力部４が複数の参照テストケース１２を出力する点である。なお、実施例１と同様の構成については、同一の符号を付してその説明を省略する。

＜テストケース出力部＞
図２５は実施例２におけるテストケース出力部４において実行される処理のフローチャートを示した図である。前記実施例１の図２４に対して、実施例２ではステップＳ４ＡとステップＳ４Ｂを追加した点が相違する。

ステップＳ４８で参照テストケース１２を決定した後、ステップＳ４Ａでは、テストケース出力部４がテストケース作成者に対して、決定された参照テストケース１２が適切であるか否か出力装置２５を介して問い合わせる。

テストケース作成者からの入力が適切であれば、テストケース出力部４はステップＳ４９に進んで、現在の参照テストケース１２を出力して処理を終了する。一方、テストケース作成者からの入力が不適切であれば、テストケース出力部４はステップＳ４Ｂに進む。

ステップＳ４Ｂでは、テストケース出力部４が再利用度データ［Ｍａｘ＿ｉｄ］を抽出して、当該［Ｍａｘ＿ｉｄ］のデータを再利用度データ３０２０から削除してから、ステップＳ４２へ戻って上記処理を繰り返す。

テストケース出力部４は、再利用度データ３０２０の中から、最も再利用度が高いテストケース候補３０１０を出力し、テストケース作成者が受け入れると判断をすれば該テストケース候補３０１０を参照テストケース１２として出力する。

テストケース作成者が拒否した場合、テストケース出力部４は、２番目に再利用度が高いテストケース候補３０１０を出力し、テストケース作成者が受け入れると判断をすれば該テストケース候補３０１０を参照テストケース１２として出力する。

テストケース作成者が２番目も拒否した場合、テストケース出力部４は、３番目に再利用度が高い既存テストケース３０１１１を出力し、テストケース作成者が受け入れると判断をすれば該テストケース候補３０１０を参照テストケース１２として出力する処理をテストケース作成者が受け入れるまで繰り返す。

本実施例によれば、テスト支援装置０から最初に出力された参照テストケース１２がテストケース作成者にとって受け入れられるものでなくても、テストケース候補３０１０にテストケースが存在する限りにおいてテストケースを提示しつづけることができ、テストケース作成者がより再利用できると判断したテストケース候補３０１０を参照テストケース１２として選択することが可能となる。

＜結び＞
以上のように、上記実施例のテスト支援装置０は、以下のような構成とすることができる。

（１）プロセッサ（２１）とメモリ（２２）を有して、新規テスト要件（１２）を受け付けて、再利用可能な参照テストケース（１２）を出力するテスト支援装置であって、自然言語で記述された前記新規テスト要件（１２）を受け付けるテスト要件取得部（１）と、前記受け付けた新規テスト要件（１２）について自然言語解析を実施してテスト要件数値化データ（２００）を生成するテスト要件解析部（２）と、過去に生成された既存テストケース（３０１１１）を前記テスト要件数値化データ（２００）に基づいて解析して、再利用可能な前記既存テストケース（３０１１１）の候補を出力テストケース候補（３０１０）として生成するテストケース解析部（３）と、前記出力テストケース候補（３０１０）の一部又は全部を参照テストケース（１２）として出力するテストケース出力部（４）と、を有し、前記テストケース解析部（３）は、前記テスト要件数値化データ（２００）に基づいて１つ以上の既存テストケース（３０１１１）を出力テストケース候補（３０１０）として生成するテストケース候補抽出部（３０１）と、前記出力テストケース候補（３０１０）のそれぞれに対する再利用度を算出する再利用性評価部（３０２）と、を有し、前記テストケース出力部（４）は、前記再利用性評価部（３０２）が算出した前記再利用度に基づいて前記出力テストケース候補（３０１０）の中から参照テストケース（１２）を決定することを特徴とするテスト支援装置。

上記構成により、テスト支援装置０は、新規テスト要件１１に対して、過去に生成した既存テストケース３０１１１の中から最も再利用度の高い既存テストケース３０１１１を用いて、新規テスト要件１１に適用するテストケースを効率よく生成することが可能となる。

（２）上記（１）に記載のテスト支援装置であって、前記テストケース候補抽出部（３０１）は、前記既存テストケース（３０１１１）と前記出力テストケース候補（３０１０）に含まれて、かつ、当該既存テストケース（３０１１１）と異なる既存テストケース（３０１１１）の間の類似度を解析して、前記類似度のうち所定の閾値以上の値となっているテストケースの個数に基づいて、前記出力テストケース候補（３０１０）のそれぞれに対する再利用度を算出することを特徴とするテスト支援装置。

上記構成により、テスト支援装置０は、既存テストケース３０１１１の間の類似度と所定の閾値を比較して出力テストケース候補の再利用度を算出することができる。

（３）上記（１）に記載のテスト支援装置であって、前記テストケース候補抽出部（３０１）は、既存テストケース保存部（３０１１）と、既存テストケース保存部（３０１２）と、クラスタリング実施部（３０１４）と、テストケース候補決定部（３０１６）と、を有し、前記既存テストケース保存部（３０１１）は、前記過去に開発したテスト要件を既存テスト要件（３０１１２）とし、前記既存テスト要件（３０１１２）を満たしていることを検証するために開発したテストケースを既存テストケース（３０１１１）として、前記既存テスト要件（３０１１２）と前記既存テストケース（３０１１１）を紐づけて保存し、前記既存テストケース保存部（３０１２）は、前記既存テストケース保存部（３０１１）に保存された既存テストケース（３０１１１）の中から２つの既存テストケース（３０１１１）を抽出して前記２つの既存テストケース（３０１１１）において記述された形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を算出し、前記２つの既存テストケース（３０１１１）の抽出及び前記抽出による前記算出を前記既存テストケース保存部（３０１１）に保存された既存テストケース（３０１１１）のすべての組み合わせに対して行うことによりコードクローンデータ（３０１３）を生成し、前記クラスタリング実施部（３０１４）は、前記コードクローンデータ（３０１３）に保存された前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を前記既存テストケース（３０１１１）間の疑似的な距離とみなすことによりクラスタリングを実施して前記既存テストケース保存部（３０１１）に保存された既存テストケース（３０１１１）をクラスタに分類して各既存テストケース（３０１１１）がどのクラスタに分類されたかの情報をクラスタデータ（３０１５）として生成し、前記テストケース候補決定部（３０１６）は、前記テスト要件数値化データ（２００）に基づいて前記クラスタの中からクラスタを１つ決定して前記決定したクラスタに含まれる少なくとも１つの既存テストケース（３０１１１）を出力テストケース候補（３０１０）として決定することを特徴とするテスト支援装置。

上記構成により、コードクローン解析部３０１２は、既存テストケース保存部３０１１に保存された既存テストケース３０１１１同士の類似度を評価して、２つの既存テストケース３０１１１に対してトークン構成が同じである箇所をコードクローンとして検出することができる。また、クラスタリング実施部３０１４は、コードクローンデータ３０１３に基づいて、類似した既存テストケース３０１１１同士をクラスタに分類し、テストケース候補決定部３０１６は、テスト要件解析部２が受け取ったテスト要件に対して参照すべき既存テストケース３０１１１の候補を決定することができる。

（４）上記（２）に記載のテスト支援装置であって、前記既存テストケース（３０１１１）と前記出力テストケース候補（３０１０）に含まれて、かつ既存テストケース（３０１１１）と異なる既存テストケース（３０１１１）の間の類似度は、当該既存テストケース（３０１１１）を記述した形式言語と前記出力テストケース候補（３０１０）に含まれて、かつ当該既存テストケース（３０１１１）とは異なる既存テストケース（３０１１１）を記述した形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数が占める割合であることを特徴とするテスト支援装置。

上記構成により、類似度は、既存テストケースと出力テストケース候補に含まれて、かつ当該既存テストケースとは異なる既存テストケースを記述した形式言語の間のコードクローンを解析して、前記形式言語の要素数に対するコードクローンの要素数が占める割合から算出することが可能となる。

（５）上記（３）に記載のテスト支援装置であって、前記テストケース候補決定部（３０１６）は、分類器生成部（３０１６１）と、分類実施部（３０１６２）と、を有し、前記分類器生成部（３０１６１）は、前記既存テストケース（３０１１１）に紐づいた既存テスト要件（３０１１２）を前記自然言語解析を用いて数値化した既存テスト要件（３０１１２）数値化データ（２００）を学習データとして前記既存テスト要件（３０１１２）に紐づいた既存テストケース（３０１１１）がどのクラスタに分類されたかを前記クラスタデータ（３０１５）に基づき特定し、当該分類されたクラスタを識別する識別子を正解ラベルとして所定の分類器生成手法を用いて分類を学習することによりテスト要件数値化データ（２００）がどのクラスタに分類されるかを決定する分類器を生成し、前記分類実施部（３０１６２）は、前記分類器に前記テスト要件数値化データ（２００）を入力することにより、前記テスト要件数値化データ（２００）がどのクラスタに分類されるかを決定することを特徴とするテスト支援装置。

上記構成により、分類実施部３０１６２は分類器生成部３０１６１で生成した分類器を用いて、新規テスト要件１１の自然言語解析の結果としてのテスト要件数値化データ２００に対応するクラスタを特定し、当該クラスタに含まれる既存テストケース３０１１１をテストケース候補として特定することが可能となる。

（６）上記（１）に記載のテスト支援装置であって、前記参照テストケース（１２）は、計算機が解釈可能な形式言語で記述されることを特徴とするテスト支援装置。

上記構成により、決定された参照テストケース１２を計算機に読み込ませれば、自動的にテストケースを実行することが可能となり、テストケースの作業に要する労力を低減することができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に記載したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加、削除、又は置換のいずれもが、単独で、又は組み合わせても適用可能である。

また、上記の各構成、機能、処理部、及び処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、及び機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

０ テスト支援装置
１ テスト要件取得部
２ テスト要件解析部
３ テストケース解析部
４ テストケース出力部
１１ 新規テスト要件
１２ 参照テストケース
２１ プロセッサ
２２ メモリ
２３ ストレージ装置
２４ 入力装置
２５ 出力装置
２６ ネットワーク装置
２００ テスト要件数値化データ
３０１ テストケース候補抽出部
３０２ 再利用性評価部
３０１０ テストケース候補
３０１１ 既存テストケース保存部
３０１２ コードクローン解析部
３０１３ コードクローンデータ
３０１４ クラスタリング実施部
３０１５ クラスタデータ
３０１６ テストケース候補決定部
３０２０ 再利用度データ
３０２１ コードクローン解析部
３０２２ コードクローンデータ
３０２３ 再利用度グラフ生成部
３０２４ 再利用グラフ
３０２５ 再利用度算出部
３０１１１ 既存テストケース
３０１２１ 字句解析
３０１２２ トークン分割テストケース
３０１２３ トークンカウント部
３０１２４ トークン数データ
３０１２５ コードクローン抽出部
３０１６１ 分類器生成部
３０１６２ 分類実施部

Claims (12)

1. プロセッサとメモリを有して、新規テスト要件を受け付けて、再利用可能な参照テストケースを出力するテスト支援装置であって、
   自然言語で記述された前記新規テスト要件を受け付けるテスト要件取得部と、
   前記受け付けた新規テスト要件について自然言語解析を実施してテスト要件数値化データを生成するテスト要件解析部と、
   過去に生成された既存テストケースを前記テスト要件数値化データに基づいて解析して、再利用可能な前記既存テストケースの候補を出力テストケース候補として生成するテストケース解析部と、
   前記出力テストケース候補の一部又は全部を参照テストケースとして出力するテストケース出力部と、を有し、
   前記テストケース解析部は、
   前記テスト要件数値化データに基づいて１つ以上の既存テストケースを出力テストケース候補として生成するテストケース候補抽出部と、
   前記出力テストケース候補のそれぞれに対する再利用度を算出する再利用性評価部と、を有し、
   前記テストケース出力部は、
   前記再利用性評価部が算出した前記再利用度に基づいて前記出力テストケース候補の中から参照テストケースを決定することを特徴とするテスト支援装置。
2. 請求項１に記載のテスト支援装置であって、
   前記テストケース候補抽出部は、
   前記既存テストケースと前記出力テストケース候補に含まれて、かつ、当該既存テストケースと異なる既存テストケースの間の類似度を解析して、前記類似度のうち所定の閾値以上の値となっている既存テストケースの個数に基づいて、前記出力テストケース候補のそれぞれに対する再利用度を算出することを特徴とするテスト支援装置。
3. 請求項１に記載のテスト支援装置であって、
   前記テストケース候補抽出部は、
   既存テストケース保存部と、コードクローン解析部と、クラスタリング実施部と、テストケース候補決定部と、を有し、
   前記既存テストケース保存部は、
   前記過去に開発したテスト要件を既存テスト要件とし、前記既存テスト要件を満たしていることを検証するために開発したテストケースを既存テストケースとして、前記既存テスト要件と前記既存テストケースを紐づけて保存し、
   前記コードクローン解析部は、
   前記既存テストケース保存部に保存された既存テストケースの中から２つの既存テストケースを抽出して前記２つの既存テストケースにおいて記述された形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を算出し、前記２つの既存テストケースの抽出及び前記抽出による前記算出を前記既存テストケース保存部に保存された既存テストケースのすべての組み合わせに対して行うことによりコードクローンデータを生成し、
   前記クラスタリング実施部は、
   前記コードクローンデータに保存された前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を前記既存テストケース間の疑似的な距離とみなすことによりクラスタリングを実施して前記既存テストケース保存部に保存された既存テストケースをクラスタに分類して各既存テストケースがどのクラスタに分類されたかの情報をクラスタデータとして生成し、
   前記テストケース候補決定部は、
   前記テスト要件数値化データに基づいて前記クラスタの中からクラスタを１つ決定して前記決定したクラスタに含まれる少なくとも１つの既存テストケースを出力テストケース候補として決定することを特徴とするテスト支援装置。
4. 請求項２に記載のテスト支援装置であって、
   前記既存テストケースと前記出力テストケース候補に含まれて、かつ既存テストケースと異なる既存テストケースの間の類似度は、
   当該既存テストケースを記述した形式言語と前記出力テストケース候補に含まれて、かつ当該既存テストケースとは異なる既存テストケースを記述した形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数が占める割合であることを特徴とするテスト支援装置。
5. 請求項３に記載のテスト支援装置であって、
   前記テストケース候補決定部は、
   分類器生成部と、分類実施部と、を有し、
   前記分類器生成部は、
   前記既存テストケースに紐づいた既存テスト要件を前記自然言語解析を用いて数値化した既存テスト要件数値化データを学習データとして前記既存テスト要件に紐づいた既存テストケースがどのクラスタに分類されたかを前記クラスタデータに基づき特定し、当該分類されたクラスタを識別する識別子を正解ラベルとして所定の分類器生成手法を用いて分類を学習することによりテスト要件数値化データがどのクラスタに分類されるかを決定する分類器を生成し、
   前記分類実施部は、
   前記分類器に前記テスト要件数値化データを入力することにより、前記テスト要件数値化データがどのクラスタに分類されるかを決定することを特徴とするテスト支援装置。
6. 請求項１に記載のテスト支援装置であって、
   前記参照テストケースは、計算機が解釈可能な形式言語で記述されることを特徴とするテスト支援装置。
7. プロセッサとメモリを有する計算機が、新規テスト要件を受け付けて、再利用可能な参照テストケースを出力するテスト支援方法であって、
   前記計算機が、自然言語で記述された前記新規テスト要件を受け付けるテスト要件取得ステップと、
   前記計算機が、前記受け付けた新規テスト要件について自然言語解析を実施してテスト要件数値化データを生成するテスト要件解析ステップと、
   前記計算機が、過去に生成された既存テストケースを前記テスト要件数値化データに基づいて解析して、再利用可能な前記既存テストケースの候補を出力テストケース候補として生成するテストケース解析ステップと、
   前記計算機が、前記出力テストケース候補の一部又は全部を参照テストケースとして出力するテストケース出力ステップと、を含みし、
   前記テストケース解析ステップは、
   前記テスト要件数値化データに基づいて１つ以上の既存テストケースを出力テストケース候補として生成するテストケース候補抽出ステップと、
   前記出力テストケース候補のそれぞれに対する再利用度を算出する再利用性評価ステップと、を含みし、
   前記テストケース出力ステップは、
   前記再利用性評価ステップで算出された前記再利用度に基づいて前記出力テストケース候補の中から参照テストケースを決定することを特徴とするテスト支援方法。
8. 請求項７に記載のテスト支援方法であって、
   前記テストケース候補抽出ステップは、
   前記既存テストケースと前記出力テストケース候補に含まれて、かつ、当該既存テストケースと異なる既存テストケースの間の類似度を解析して、前記類似度のうち所定の閾値以上の値となっている既存テストケースの個数に基づいて、前記出力テストケース候補のそれぞれに対する再利用度を算出することを特徴とするテスト支援方法。
9. 請求項７に記載のテスト支援方法であって、
   前記テストケース候補抽出ステップは、
   既存テストケース保存ステップと、コードクローン解析ステップと、クラスタリング実施ステップと、テストケース候補決定ステップと、を含み、
   前記既存テストケース保存ステップは、
   前記過去に開発したテスト要件を既存テスト要件とし、前記既存テスト要件を満たしていることを検証するために開発したテストケースを既存テストケースとして、前記既存テスト要件と前記既存テストケースを紐づけて保存し、
   前記コードクローン解析ステップは、
   前記保存された既存テストケースの中から２つの既存テストケースを抽出して前記２つの既存テストケースにおいて記述された形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を算出し、前記２つの既存テストケースの抽出及び前記抽出による前記算出を前記保存された既存テストケースのすべての組み合わせに対して行うことによりコードクローンデータを生成し、
   前記クラスタリング実施ステップは、
   前記コードクローンデータに保存された前記形式言語の要素数に対する前記コードクローンの要素数の占める割合を前記既存テストケース間の疑似的な距離とみなすことによりクラスタリングを実施して前記保存された既存テストケースをクラスタに分類して各既存テストケースがどのクラスタに分類されたかの情報をクラスタデータとして生成し、
   前記テストケース候補決定ステップは、
   前記テスト要件数値化データに基づいて前記クラスタの中からクラスタを１つ決定して前記決定したクラスタに含まれる少なくとも１つの既存テストケースを出力テストケース候補として決定することを特徴とするテスト支援方法。
10. 請求項８に記載のテスト支援方法であって、
    前記既存テストケースと前記出力テストケース候補に含まれて、かつ既存テストケースと異なる既存テストケースの間の類似度は、
    当該既存テストケースを記述した形式言語と前記出力テストケース候補に含まれて、かつ当該既存テストケースとは異なる既存テストケースを記述した形式言語の間のコードクローンを解析して前記形式言語の要素数に対する前記コードクローンの要素数が占める割合であることを特徴とするテスト支援方法。
11. 請求項９に記載のテスト支援方法であって、
    前記テストケース候補決定ステップは、
    分類器生成ステップと、分類実施ステップと、を有し、
    前記分類器生成ステップは、
    前記既存テストケースに紐づいた既存テスト要件を前記自然言語解析を用いて数値化した既存テスト要件数値化データを学習データとして前記既存テスト要件に紐づいた既存テストケースがどのクラスタに分類されたかを前記クラスタデータに基づき特定し、当該分類されたクラスタを識別する識別子を正解ラベルとして所定の分類器生成手法を用いて分類を学習することによりテスト要件数値化データがどのクラスタに分類されるかを決定する分類器を生成し、
    前記分類実施ステップは、
    前記分類器に前記テスト要件数値化データを入力することにより、前記テスト要件数値化データがどのクラスタに分類されるかを決定することを特徴とするテスト支援方法。
12. 請求項７に記載のテスト支援方法であって、
    前記参照テストケースは、計算機が解釈可能な形式言語で記述されることを特徴とするテスト支援方法。

Images