【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于軟件眾包測試領(lǐng)域，涉及web應(yīng)用技術(shù)，尤其涉及眾包測試平臺功能性測試的任務(wù)分配領(lǐng)域，其目的在于為眾包測試平臺設(shè)計行之有效的任務(wù)分配策略，以解決眾包測試任務(wù)完成過程中缺陷檢測率低，測試需求覆蓋不足等問題，促進眾包測試平臺穩(wěn)健發(fā)展。
技術(shù)介紹
1、軟件眾包測試(眾測)是指將軟件測試任務(wù)外包給一組自由的獨立測試人員，這些測試人員可在其獨有的測試環(huán)境下利用碎片化的時間進行軟件測試。通過這種模式的應(yīng)用，任務(wù)發(fā)布者可以快速，低成本地發(fā)現(xiàn)缺陷，確保軟件質(zhì)量，同時收集真實使用場景下的見解和反饋。眾測通過實際測試者對產(chǎn)品進行真實測試體驗，旨在發(fā)現(xiàn)其自身設(shè)計、相應(yīng)功能和用戶使用中的缺陷，所以實際眾測中的測試者是來自于各行各業(yè)，各個設(shè)備環(huán)境的非專業(yè)測試者；但隨著測試經(jīng)驗的積累、專業(yè)性測試的要求等，眾測平臺中通常也包含可以多頻率、高質(zhì)量測試的專業(yè)測試者，他們可以被平臺分配一些針對性測試，也可以主動執(zhí)行感興趣的任務(wù)。眾測平臺服務(wù)的行業(yè)眾多，例如媒體、軟件、通信等眾多專業(yè)領(lǐng)域。當眾測平臺進行高效管理后，不僅客戶可以從多樣的測試者中進行選擇，測試者們也可以主動進行更多的偏好性測試。對于軟件本身來說，測試平臺積累的豐富測試者類型能夠更好地滿足其設(shè)備多樣性和環(huán)境復(fù)雜性的要求，不僅能夠找出更多的缺陷，甚至能提供與用戶使用相關(guān)的暢想。基于此，為了提高軟件測試的效率、降低人工測試的成本，大多數(shù)眾測活動都在專業(yè)的眾測平臺上進行。
2、隨著眾測平臺的發(fā)展，眾測活動中涉及到的新的軟件類型也不斷增加，涉及的任務(wù)數(shù)量和測試者數(shù)量也急劇增加。現(xiàn)有常見使用
技術(shù)實現(xiàn)思路
1、為了實現(xiàn)上述目標，本專利技術(shù)實現(xiàn)了一個基于測試者模型的匹配度計算機制和基于kuhn-munkres的眾包測試任務(wù)分配機制。在匹配度計算機制中，為了合理評估和區(qū)分測試者，選取了測試者特征集合，引入時間權(quán)重函數(shù)定義了相關(guān)計算，構(gòu)建了測試者評估模型，通過結(jié)合不同任務(wù)對特征的偏好權(quán)重，得到了計算任務(wù)-測試者適配程度的匹配度算法，用于估計測試者對于每個任務(wù)的期望完成質(zhì)量，為任務(wù)分配提供依據(jù)。在基于kuhn-munkres的眾包測試任務(wù)分配機制中，為了提高整體任務(wù)完成質(zhì)量，以最大化整體匹配度為目標建立眾測任務(wù)分配模型，并將眾測任務(wù)分配問題轉(zhuǎn)化為以匹配度為權(quán)重的帶權(quán)二分圖最優(yōu)匹配問題，在傳統(tǒng)算法的基礎(chǔ)上進行改進，得到了基于kuhn-munkres的眾測任務(wù)分配方法，實現(xiàn)了任務(wù)的有效分配。
2、1.基于測試者模型的匹配度計算機制
3、1.1測試者模型
4、定義1時間權(quán)重函數(shù)
5、采用半正弦的時間權(quán)重函數(shù)作為擬合曲線，用來反映一定周期t內(nèi)的歷史記錄對于特征的影響權(quán)重。時間權(quán)重函數(shù)表達式為：
6、
7、其中，t為納入統(tǒng)計的時間周期，大于時間周期的歷史數(shù)據(jù)不予考慮，小于時間周期t的數(shù)據(jù)參與測試者特征的相關(guān)計算。t是距離周期起始時刻的時間。
8、定義2能力值
9、能力值代表著測試者對于各類型任務(wù)可執(zhí)行能力的評估值。對于測試者來說，能力值與其歷史提交測試報告的分數(shù)有關(guān)，單次報告得分越高，其總能力值越高，且越近一次的得分對于測試者能力值影響權(quán)重越大。對于候選測試者wj，其能力值為：
10、
11、其中ntot表示測試者wj參加的所有眾包測試任務(wù)總次數(shù)，表示該測試者的第k份測試報告的分數(shù)，tk表示距離周期起始時刻的時間，weight(tk)代表著第k次報告的得分對現(xiàn)有能力值的影響權(quán)重。
12、定義3信譽度
13、表示測試者執(zhí)行分配任務(wù)的一種可能性。測試者每次完成被分配任務(wù)都會得到一個信譽獎勵值，其所有歷史信譽決定其現(xiàn)有信譽度，且越近一次的信譽獎勵對于測試者信譽度影響權(quán)重越大。對于候選測試者wj，其信譽度為：
14、β＝0或1
15、其中，其中ntot表示測試者wj參加的所有眾包測試任務(wù)總次數(shù)，β表示最后一次完成任務(wù)的信譽獎勵。如果最近一次任務(wù)合格，β則為1，否則為0，weight(tk)代表著第k次任務(wù)的信譽獎勵對現(xiàn)有信譽度的影響權(quán)重。
16、定義4經(jīng)驗值
17、經(jīng)驗值表示測試者撰寫測試報告的熟練度，測試者歷史合格的眾包測試報告數(shù)越多，其經(jīng)驗值越高，且越近一次的合格對于測試者經(jīng)驗值影響權(quán)重越大。對于候選測試者wj，其經(jīng)驗值為：
18、
19、其中，ntot表示測試者wj參加的所有眾包測試任務(wù)總次數(shù)，weight(tk)代表著第k次任務(wù)的經(jīng)驗對現(xiàn)有經(jīng)驗值的影響權(quán)重。
20、定義3.5活躍度和活躍因子
21、表示測試者本身近期活躍水平評估值。測試者活躍水平與其近30天活躍天數(shù)d以及人為設(shè)定的活躍因子σ相關(guān)。對于候選測試者wj，其活躍度為：
22、
23、其中，d表示測試者wj近一個月的活躍天數(shù)，σ為平臺可調(diào)整的活躍因子，且d，σ∈[0，30]。在活躍天數(shù)增長過程中，當d＜σ時，sact的增長速率先較慢后較快，逐漸接近0.5；當d＝σ時，活躍度sact＝0.5；當d＞σ時，sact的增長速率先變快后變慢，逐漸靠近1。用d＝σ作為測試者活躍度的界定線，眾測平臺可以通過控制σ的值來調(diào)節(jié)對測試者的活躍期望值，進而達到一定的激勵效果。
24、在實際的任務(wù)分配過程中，每次的分配中會出現(xiàn)一部分新注冊測試者，他們并沒有相關(guān)歷史任務(wù)和報告的記錄，因此無法根據(jù)以上公式計算新注冊測試者的特征值。因此，對于沒有歷史數(shù)據(jù)的，新注冊的任務(wù)測試者，本文設(shè)定平臺會要求這些新用戶填寫一個個人信息上報。除其基本信息外，還包括他們自己自身能力的評價，包括對各種測試類型的了解程度、測試相關(guān)經(jīng)驗(用三角模糊數(shù)表示，如對眾測的了解程度可能的值為“不擅長、些許擅長、中等擅長、比較擅長、非常擅長”)對應(yīng)的三角模糊數(shù)分別為(0，0，0.1)，(0.1，0.3，0.5)，(0.3，0.5，0.7)，(0.5，0.7，0.9)，(0.7，0.9，1.0)等，可以計算該工人的能力和經(jīng)驗的適配值；考慮到新用戶往往會因為好奇和新奇性，會有較高的概率參加第一次任務(wù)，因此將其信譽值初始值設(shè)定為1，同時鼓勵其成功提交報告；同時將新測試者活躍度的初始值設(shè)定為0.5，因為在本文的活躍度計算中，如果新注冊用戶持續(xù)活躍，其活躍度將快速上升，反之將快速下降，以此來區(qū)分新注冊用戶對于眾測平臺的忠誠度。
25、1.2特征權(quán)重計算
26、測試者不同特征的重要程度會由任務(wù)的差本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于Kuhn-Munkres的眾包測試任務(wù)分配方法，其特征是根據(jù)眾測任務(wù)的特征和要求，選取合適的測試者特征，結(jié)合任務(wù)發(fā)布方對于測試者特征的重要性評價，構(gòu)建完整的測試者模型，區(qū)分不同質(zhì)量的測試者；提出了計算任務(wù)-測試者適配程度的匹配度算法，用于估計測試者的期望完成質(zhì)量；根據(jù)眾測任務(wù)分配限制，以最大化整體匹配度為目標建立無任務(wù)優(yōu)先級的眾測任務(wù)分配模型。然后在求解中，最大綜合匹配度的任務(wù)分配問題建模為二分圖最優(yōu)匹配問題，對任務(wù)進行分解并構(gòu)建拓展帶權(quán)二分圖，利用Kuhn-Munkres算法進求解、合并后，得到基于Kuhn-Munkres的眾測任務(wù)分配方法，保證了任務(wù)和測試者的適配程度，提高了整體的任務(wù)分配質(zhì)量，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于Kuhn-Munkres的眾包測試任務(wù)分配方法，其特征對測試者能力、信譽度、經(jīng)驗以及活躍度等特征的捕獲，確定權(quán)重時采用模糊層次分析法(FAHP)對眾包工人(測試者)的各項特征進行權(quán)重評估，從而量化模糊的信息，幫助任務(wù)發(fā)布方找到期望的測試者類型，把問題整體按層級進行有序分解，構(gòu)成一個由下而上的金字塔梯次結(jié)構(gòu)；考慮到眾
3.根據(jù)權(quán)利要求1所述的一種基于Kuhn-Munkres的眾包測試任務(wù)分配方法，其特征是在于匹配度的確定。匹配度，即測試者-任務(wù)匹配度，表示測試者與任務(wù)的合適程度，也是任務(wù)期望完成質(zhì)量的預(yù)估。在匹配度的計算上選取了測試者的能力、信譽度、經(jīng)驗值和活躍度，該指標均與任務(wù)的期望完成質(zhì)量有關(guān)。通過任務(wù)發(fā)布者評分來動態(tài)計算測試者特征權(quán)重，對于每一個任務(wù)，用四個指標值的加權(quán)平均計算任務(wù)-測試者匹配度。
4.根據(jù)權(quán)利要求1所述的一種基于Kuhn-Munkres的眾包測試任務(wù)分配方法，其特征是考慮人數(shù)約束，執(zhí)行約束等，在滿足要求的所有測試任務(wù)執(zhí)行方案中，選擇任務(wù)完成質(zhì)量最高的執(zhí)行方案。、任務(wù)分配的合適程度、任務(wù)的最終完成質(zhì)量是主要考慮的因素，為了能夠把任務(wù)分配給合適的測試者，眾測平臺會在分配前收集測試者的基本信息，歷史數(shù)據(jù)等，并根據(jù)這些數(shù)據(jù)來進行簡要評估，進而計算測試者與每個任務(wù)間的合適程度。
5.根據(jù)權(quán)利要求1所述的一種基于Kuhn-Munkres的眾包測試任務(wù)分配方法，其特征是將眾測任務(wù)分配問題轉(zhuǎn)化為以匹配度為權(quán)重的帶權(quán)二分圖最優(yōu)匹配問題。不同于傳統(tǒng)的最優(yōu)匹配問題，眾測任務(wù)需要由多個測試者來完成，所以需要構(gòu)建修改和拓展之后的帶權(quán)二分圖，應(yīng)用Kuhn-Munkres算法進行任務(wù)分配求解，最后再對分配結(jié)果進行合并處理，實現(xiàn)對傳統(tǒng)算法的改進。
...【技術(shù)特征摘要】
1.一種基于kuhn-munkres的眾包測試任務(wù)分配方法，其特征是根據(jù)眾測任務(wù)的特征和要求，選取合適的測試者特征，結(jié)合任務(wù)發(fā)布方對于測試者特征的重要性評價，構(gòu)建完整的測試者模型，區(qū)分不同質(zhì)量的測試者；提出了計算任務(wù)-測試者適配程度的匹配度算法，用于估計測試者的期望完成質(zhì)量；根據(jù)眾測任務(wù)分配限制，以最大化整體匹配度為目標建立無任務(wù)優(yōu)先級的眾測任務(wù)分配模型。然后在求解中，最大綜合匹配度的任務(wù)分配問題建模為二分圖最優(yōu)匹配問題，對任務(wù)進行分解并構(gòu)建拓展帶權(quán)二分圖，利用kuhn-munkres算法進求解、合并后，得到基于kuhn-munkres的眾測任務(wù)分配方法，保證了任務(wù)和測試者的適配程度，提高了整體的任務(wù)分配質(zhì)量，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于kuhn-munkres的眾包測試任務(wù)分配方法，其特征對測試者能力、信譽度、經(jīng)驗以及活躍度等特征的捕獲，確定權(quán)重時采用模糊層次分析法(fahp)對眾包工人(測試者)的各項特征進行權(quán)重評估，從而量化模糊的信息，幫助任務(wù)發(fā)布方找到期望的測試者類型，把問題整體按層級進行有序分解，構(gòu)成一個由下而上的金字塔梯次結(jié)構(gòu)；考慮到眾測平臺存在虛擬性和時空不對稱性，建立眾測人員特征模型以篩除低質(zhì)量工作者，從而實現(xiàn)眾測工人和任務(wù)間的匹配優(yōu)化，保證最終的任務(wù)完成質(zhì)量。
3.根據(jù)權(quán)利要...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳振宇，許金，郗望欽，沈厚才，
申請(專利權(quán))人：南京大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。