基于LDA模型的測試用例復(fù)用方法*

（江蘇自動(dòng)化研究所 連云港 222061）

1 引言

軍用軟件大多采用基于構(gòu)件的設(shè)計(jì)方法，同一類型的軍用軟件具有很大的相似性，彼此之間具有很高的關(guān)聯(lián)性和繼承性［1～6］。因此，針對(duì)當(dāng)前軍用軟件測試存在的困難，可以從對(duì)測試用例的復(fù)用方面進(jìn)行考慮［7］。測試用例的復(fù)用不僅解決了測試人員經(jīng)驗(yàn)不足的問題，又能節(jié)省測試用例開發(fā)的時(shí)間、精力和財(cái)力，從而能夠最大限度的提高測試用例的使用效率，降低測試時(shí)間，提高測試效率。

文獻(xiàn)［8］提出一種根據(jù)用戶行為計(jì)算已有測試用例的復(fù)用能力方法。張娟等提出了一種基于測試用例套的復(fù)用度量計(jì)算方法，并實(shí)現(xiàn)計(jì)算過程的自動(dòng)化［9］。路曉麗等構(gòu)建了一個(gè)支持測試用例共享和復(fù)用的測試用例資產(chǎn)庫［10］。陳平等提出一種從軟件測試需求層面提取測試用例的方法［11］。文獻(xiàn)［12］和［13］提出基于案例推理的測試用例復(fù)用機(jī)制，并使用類比推理的方法進(jìn)行測試用例的復(fù)用。以上文獻(xiàn)有關(guān)軟件測試用例復(fù)用的研究主要局限在某一個(gè)方面，缺乏復(fù)用過程的系統(tǒng)研究，而且，測試用例復(fù)用的準(zhǔn)確率不高?；谶@些局限和軍用軟件系統(tǒng)的特點(diǎn)，本文研究潛在語義的測評(píng)文檔生成算法，并在此基礎(chǔ)上提出一種系統(tǒng)的測試用例復(fù)用策略，從語義層次對(duì)測試用例進(jìn)行檢索復(fù)用。

2 被測軟件及測試用例的描述模型

2.1 被測軟件的描述模型

本文從軍用軟件的描述、所屬行業(yè)、所屬領(lǐng)域、運(yùn)行平臺(tái)、開發(fā)語言、測試需求及需求對(duì)應(yīng)的測試用例角度對(duì)被測軟件進(jìn)行形式化描述。為了方便測試用例的復(fù)用，本文建立測試需求和測試用例的映射關(guān)系。在測試用例復(fù)用時(shí)，可以根據(jù)軟件之間測試需求的相似度而計(jì)算出測試用例的可復(fù)用性，從而建立從軟件到測試需求，從測試需求到測試用例的復(fù)用關(guān)系。

在表1列出的軍用軟件屬性信息集合中，軟件概述和查詢索引是測試復(fù)用階段較為重要的兩個(gè)信息。其中，軟件概述主要是對(duì)軍用軟件的功能、目標(biāo)等進(jìn)行描述。本文用軟件體系結(jié)構(gòu)中提到的REBOOT模型對(duì)軟件概述進(jìn)行抽象描述［14］。該模型用有限維信息空間的術(shù)語組合從若干刻面的綜合角度來刻畫一個(gè)軟件。查詢索引主要使用軟件的標(biāo)簽或能表示軟件的關(guān)鍵字。本文用一個(gè)五元組（標(biāo)簽1，標(biāo)簽2，標(biāo)簽3，標(biāo)簽4，標(biāo)簽5）來描述軟件的查詢索引。另外，附件信息描述了軟件所對(duì)應(yīng)的測試說明文檔的路徑。如果在測試用例復(fù)用階段，有相似度極高的軟件，可以直接進(jìn)行測試說明文檔復(fù)用。這樣，既節(jié)省了復(fù)用的時(shí)間，而且復(fù)用程度極高。

表1 典型軍用軟件屬性信息集合

2.2 測試用例的描述模型

對(duì)已存在軍用軟件測試用例描述時(shí)，將軍用軟件的功能進(jìn)行細(xì)化，這樣有利于功能點(diǎn)對(duì)應(yīng)的測試用例的充分表示。本文首先從軍用軟件到配置項(xiàng)，從配置項(xiàng)到功能模塊的思路對(duì)軍用軟件的功能進(jìn)行細(xì)分。每一個(gè)功能可以表示為多個(gè)功能點(diǎn)。為了提高測試用例復(fù)用的準(zhǔn)確率及效率，本文將功能點(diǎn)用通用的自然語言進(jìn)行規(guī)范化描述，從而使每一個(gè)功能點(diǎn)均能準(zhǔn)確、完整地表示出軟件的功能，這樣，也有利于提高測試需求到測試用例的匹配。在實(shí)際軟件測試過程中，一個(gè)功能點(diǎn)對(duì)應(yīng)多個(gè)測試用例，一個(gè)測試用例也可以對(duì)應(yīng)多個(gè)功能點(diǎn)，在測試用例規(guī)范化時(shí)，盡量保證可復(fù)用測試用例之間的獨(dú)立性。這樣，有利于提高測試的復(fù)用程度。對(duì)測試用例進(jìn)行規(guī)范化時(shí)，一個(gè)可復(fù)用測試用例按照表2所列的測試用例數(shù)據(jù)屬性描述。功能點(diǎn)描述和查詢索引是測試用例檢索機(jī)制重要的兩個(gè)信息。在對(duì)軍用軟件的功能點(diǎn)進(jìn)行描述時(shí)，本文通過一個(gè)三元組（所屬軟件，功能模塊，功能點(diǎn)）來描述功能點(diǎn)。查詢索引主要使用相關(guān)軟件功能點(diǎn)的關(guān)鍵詞來表示，也可以說是相關(guān)軟件的標(biāo)簽。本文用一個(gè)多元組（標(biāo)簽1，標(biāo)簽2，標(biāo)簽3，標(biāo)簽4……標(biāo)簽n）來描述查詢索引，這樣，在測試用例復(fù)用時(shí)，可根據(jù)功能點(diǎn)描述與查詢索引相結(jié)合進(jìn)行測試用例匹配。

表2 測試用例數(shù)據(jù)屬性信息

3 基于潛在語義的測試用例復(fù)用

3.1 測試用例復(fù)用文本的預(yù)處理

在測試用例復(fù)用前，需要對(duì)測試文本進(jìn)行預(yù)處理。在預(yù)處理階段，首先將測試文本轉(zhuǎn)化為測試文本-關(guān)鍵詞矩陣。在采用中科院分詞系統(tǒng)ICTCLAS進(jìn)行分詞時(shí)，在用戶詞典中添加一些測試相關(guān)術(shù)語、專業(yè)性詞語等。當(dāng)測試文本經(jīng)過分詞程序時(shí)，就會(huì)去除相關(guān)的停用詞，然后統(tǒng)計(jì)各個(gè)關(guān)鍵詞的詞頻并進(jìn)行相關(guān)計(jì)算，最終將被測軟件的測試需求向量 可 表 示 為R=R(T1，W1;T2，W2…Ti，Wi;… ;Tn，Wn)，可簡記為R=R(W1，W2…Wi…，Wn)，其中1＜i＜n，Ti是被測軟件的測試需求文本中第i個(gè)特征項(xiàng)，Wi為Ti的權(quán)重；可復(fù)用測試用例的測試需求向量可表示為CR=CR(T1，W1;T2，W2…Ti，Wi;…;Tn，Wn)，其中1＜i＜n，Ti是可復(fù)用測試用例測試需求文本中第i個(gè)特征項(xiàng)，Wi為Ti的權(quán)重；可復(fù)用測試用例的查詢索引向量可表示為CK=CK(T1，W1;T2，W2…Ti，Wi;…;Tn，Wn) ，其中1＜i＜n，Ti是可復(fù)用測試用例的查詢索引中第i個(gè)特征項(xiàng)，Wi為Ti的權(quán)重?；谔卣髟~的測試文本相似度計(jì)算公式見式（1）。

其中，α，β為調(diào)和參數(shù)，SimVSM(R，C)為被測軟件的某一測試需求與測試用例基于關(guān)鍵字的相似度，SimVSM(R，CR)為被測軟件的某一測試需求與可復(fù)用測試用例對(duì)應(yīng)的功能點(diǎn)描述基于關(guān)鍵字的相似度，SimVSM(R，CK)為被測軟件的某一測試需求與可復(fù)用測試用例查詢索引基于關(guān)鍵字的相似度。

其次，將被測軟件的測試需求文本-關(guān)鍵詞矩陣、可復(fù)用測試用例的測試功能點(diǎn)描述文本-關(guān)鍵詞矩陣及查詢索引-關(guān)鍵詞矩陣轉(zhuǎn)化為被測軟件的測試需求文本-主題矩陣、可復(fù)用測試用例的功能點(diǎn)描述文本-主題矩陣及查詢索引-主題矩陣。本文主要利用測試文本的潛在語義進(jìn)行相似度計(jì)算，所以，首要目標(biāo)就是進(jìn)行LDA建模。而LDA主題模型是一個(gè)分層的貝葉斯模型，其包含文本、主題和關(guān)鍵詞三個(gè)層次結(jié)構(gòu)，同時(shí)也是一種生成主題概率模型［15］。

在LDA建模時(shí)，LDA主題模型生成一個(gè)測試文本的算法如下。

Step1：針對(duì)測試數(shù)據(jù)集中的文本，根據(jù)Dirichlet分布Dir(α)得到文本中特征詞對(duì)應(yīng)主題的多項(xiàng)式分布參數(shù)θ；

Step2：根據(jù)泊松分布計(jì)算每篇測試文本中包含的特征詞數(shù)量N=Poisson(ξ)；

Step3：對(duì)于每一個(gè)主題z，根據(jù)Dirichlet分布Dir(β)的到主題對(duì)應(yīng)的多項(xiàng)式分布參數(shù)φ～Dir(β)；

Step4：針對(duì)數(shù)據(jù)集中每個(gè)文本中的特征詞w：

1）根據(jù)多項(xiàng)式分布Multi(θ)得到特征詞對(duì)應(yīng)的主題zi；

2）根據(jù)多項(xiàng)式分布Multi(φ)生成單詞w。

通過潛在語義分析，被測軟件的測試需求主題向量可表示為RT=RT(t1，t2，…ti…，tn)，其中1＜i＜n，ti是被測軟件的測試需求文本對(duì)應(yīng)的第i個(gè)主題；可復(fù)用測試用例的測試需求主題向量可表示為CRT=CRT(t1，t2，…ti…，tn)，其中1＜i＜n，ti是可復(fù)用測試用例的測試需求文本對(duì)應(yīng)的第i個(gè)主題；可復(fù)用測試用例的查詢索引向量可表示為CKT=CKT(t1，t2，…ti…，tn)，其中，ti是可復(fù)用測試用例的查詢索引對(duì)應(yīng)的第1＜i＜n i個(gè)主題?；谥黝}的測試文本相似度計(jì)算公式見式（2）。

其中，χ，φ為調(diào)和參數(shù)，SimLDA(R，C)為被測軟件的某一測試需求與測試用例的主題相似度，SimLDA(R，CR)為被測軟件的某一測試需求與可復(fù)用測試用例對(duì)應(yīng)的功能點(diǎn)的主題相似度，SimLDA(R，CK)為被測軟件的某一測試需求與可復(fù)用測試用例查詢索引的主題相似度。

3.2 基于潛在語義的測試用例復(fù)用方法

基于潛在語義的測試用例復(fù)用框架如圖1所示。使用2.1節(jié)被測軟件描述模型及2.2節(jié)測試用例的描述模型對(duì)已測試的軟件及其對(duì)應(yīng)的測試用例進(jìn)行規(guī)范化處理，并將這些數(shù)據(jù)收集到測試用例庫，進(jìn)行合理的分類、管理和維護(hù)。然后，依據(jù)測試用例庫，采用測試用例復(fù)用檢索機(jī)制層層遞近，從總體到局部的策略進(jìn)行測試用例復(fù)用。具體算法如下。

圖1 測試用例復(fù)用框架

輸入?yún)?shù)集：｛被測軟件的所屬行業(yè)、所屬領(lǐng)域、運(yùn)行環(huán)境信息、被測軟件查詢索引、測試類型、被測軟件的功能點(diǎn)描述、m、a、n、μ｝，其中m為可復(fù)用軟件集1中的軟件數(shù)量閾值，n為備選可復(fù)用測試用例的個(gè)數(shù)；

輸出結(jié)果集：｛被測軟件測試需求對(duì)應(yīng)的備選可復(fù)用測試用例｝。

Step1：根據(jù)被測軟件的所屬行業(yè)、所屬領(lǐng)域、運(yùn)行環(huán)境過濾、生成已存在的可復(fù)用軟件集合，其中所屬行業(yè)、所屬領(lǐng)域、運(yùn)行環(huán)境的表示比較固定，匹配過程中采用字符串匹配技術(shù)即利用字符串的Contains（String str）方法。如果所屬行業(yè)、所屬領(lǐng)域、運(yùn)行環(huán)境中至少兩個(gè)匹配成功，就可以將可復(fù)用軟件放到備選可復(fù)用軟件集1中；

Step2：針對(duì)備選可復(fù)用軟件集合1，根據(jù)被測軟件的查詢索引，將每一個(gè)軟件的查詢索引轉(zhuǎn)化為矩陣表示，即軟件-關(guān)鍵詞矩陣，定義閾值a，然后利用余弦相似度公式計(jì)算被測軟件與備選可復(fù)用軟件的相似度，將相似度大于給定閾值的可復(fù)用軟件放到備選可復(fù)用軟件集2中；

Step3：針對(duì)備選可復(fù)用軟件集2的每一個(gè)軟件，根據(jù)被測軟件所要復(fù)用的測試用例的測試類型，對(duì)每一個(gè)軟件對(duì)應(yīng)的測試用例進(jìn)行過濾，得到可復(fù)用測試用例集1；

Step4：首先將被測軟件的測試需求和可復(fù)用測試用例集1的每一個(gè)測試用例的功能點(diǎn)描述文本通過中文分詞工具進(jìn)行預(yù)處理，經(jīng)過特征提取后構(gòu)建特征空間即將測試需求文本和功能點(diǎn)描述轉(zhuǎn)化為特征向量，其次將可復(fù)用測試用例集1的每一個(gè)測試用例的查詢索引都轉(zhuǎn)化為矩陣表示，即測試用例-關(guān)鍵詞矩陣；

Step5：利用3.1節(jié)LDA主題模型測試文本生成算法，將被測軟件的測試需求文本-關(guān)鍵詞矩陣、可復(fù)用測試用例的測試功能點(diǎn)描述文本-關(guān)鍵詞矩陣及查詢索引-關(guān)鍵詞矩陣轉(zhuǎn)化為被測軟件的測試需求文本-主題矩陣、可復(fù)用測試用例的功能點(diǎn)描述文本-主題矩陣及查詢索引-主題矩陣。然后利用式（1）和式（2）相結(jié)合計(jì)算被測軟件的測試需求與可復(fù)用測試用例的相似度，公式見式（3）：

其中，η，γ為調(diào)和參數(shù)，Sim(R，C)為被測軟件的某一測試需求與測試用例的相似度，SimVSM(R，C)為被測軟件的某一測試需求與可復(fù)用測試用例基于關(guān)鍵字的相似度，SimLDA(R，C)為被測軟件的某一測試需求與可復(fù)用測試用例的主題相似度；

Step6：針對(duì)計(jì)算得到的被測軟件測試需求與可復(fù)用測試用例的相似度值，采用選擇排序算法對(duì)可復(fù)用測試用例進(jìn)行排序。由于一個(gè)測試需求可能對(duì)應(yīng)若干個(gè)測試用例，此時(shí)需要將排序前Top n的測試用例放到備選可復(fù)用測試用例集中，形成被測軟件測試需求-備選可復(fù)用測試用例矩陣。通過測試用例復(fù)用檢索算法得到被測軟件測試需求-備選可復(fù)用測試用例矩陣后，然后，從被測軟件需求對(duì)應(yīng)的備選測試用例集人工選擇相應(yīng)測試用例，然后根據(jù)測試用例模板生成相應(yīng)的測試用例。

4 實(shí)驗(yàn)及結(jié)果分析

4.1 實(shí)驗(yàn)評(píng)價(jià)方法

在測試用例復(fù)用過程中，根據(jù)被測軟件的測試需求及查詢索引，從測試用例庫中選擇相應(yīng)的測試用例。而評(píng)價(jià)測試用例復(fù)用效果的是復(fù)用的準(zhǔn)確率，即測試需求對(duì)應(yīng)測試用例的有效性。所以本實(shí)驗(yàn)主要關(guān)注測試用例復(fù)用的準(zhǔn)確率。

假設(shè)某一個(gè)軟件有N個(gè)測試需求，如果在用例復(fù)用時(shí)，復(fù)用得到的總用例數(shù)為M個(gè)，第i個(gè)測試需求匹配到正確的用例數(shù)為ni個(gè)，則測試復(fù)用的準(zhǔn)確率為

4.2 實(shí)驗(yàn)內(nèi)容及結(jié)果分析

本文利用3.2節(jié)的基于潛在語義的測試用例復(fù)用方法進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)的數(shù)據(jù)為已完成測評(píng)的相對(duì)獨(dú)立的軟件，分別為某專用網(wǎng)管系統(tǒng)、某作戰(zhàn)指揮系統(tǒng)、某數(shù)字集群系統(tǒng)及某多功能航行器軟件，每個(gè)軟件對(duì)應(yīng)的測試用例如表3所示。

表3 軟件對(duì)應(yīng)的測試用例數(shù)

本實(shí)驗(yàn)利用基于VSM的測試用例復(fù)用方法和本文提出的基于潛在語義的測試用例復(fù)用方法進(jìn)行仿真實(shí)驗(yàn)。為了保證實(shí)驗(yàn)的一致性，所有參數(shù)設(shè)置一致。分別將某專用網(wǎng)管系統(tǒng)、某作戰(zhàn)指揮系統(tǒng)、某數(shù)字集群系統(tǒng)及某多功能航行器軟件作為被測對(duì)象作用在兩種測試用例復(fù)用方法上，實(shí)驗(yàn)結(jié)果如表4所示。

表4 對(duì)比實(shí)驗(yàn)結(jié)果

通過表4列出的實(shí)驗(yàn)結(jié)果和式（4）計(jì)算出兩種方法在不同實(shí)驗(yàn)對(duì)象上的準(zhǔn)確率，如圖2所示。通過兩種復(fù)用方法的對(duì)比試驗(yàn)，本文提出的方法的準(zhǔn)確率明顯高于傳統(tǒng)的基于VSM的測試用例復(fù)用方法，而且通過表4可以看出，在測試用例召回?cái)?shù)量方面，本文提出的基于潛在語義的測試用例復(fù)用方法比傳統(tǒng)的基于VSM的測試用例復(fù)用方法分別多出354個(gè)、300個(gè)、269個(gè)、752個(gè)。通過實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的測試用例復(fù)用方法在準(zhǔn)確率和測試用例召回?cái)?shù)量方面的有效性。

圖2 不同測試用例復(fù)用方法匹配測試用例的準(zhǔn)確率

5 結(jié)語

本文通過構(gòu)建被測軟件與測試用例的模型，建立測試需求與測試用例的關(guān)聯(lián)性，從潛在語義的層面對(duì)測試需求和測試用例進(jìn)行建模、解析，從而達(dá)到測試用例復(fù)用的目的，并通過仿真實(shí)驗(yàn)驗(yàn)證了本文提出的基于潛在語義的測試用例復(fù)用方法的有效性?？傊疚牡难芯吭诶碚撋暇哂袆?chuàng)新性，在實(shí)際測試項(xiàng)目中具有可行性。但隨著測試用例的積累，測試用例的數(shù)量級(jí)驚人，下一步考慮引入數(shù)據(jù)挖掘技術(shù)優(yōu)化測試用例檢索時(shí)間。