移动应用是近10年来兴起的新型计算模式,深刻地影响人民的生活方式.移动应用主要以图形用户界面(graphical user interface,GUI)方式交互,而对其进行人工测试需要消耗大量人力和物力.为此,研究者提出针对移动应用GUI的测试自动生成技术...移动应用是近10年来兴起的新型计算模式,深刻地影响人民的生活方式.移动应用主要以图形用户界面(graphical user interface,GUI)方式交互,而对其进行人工测试需要消耗大量人力和物力.为此,研究者提出针对移动应用GUI的测试自动生成技术以提升测试效率并检测潜在缺陷.收集了145篇相关论文,系统地梳理、分析和总结现有工作.提出了“测试生成器-测试环境”研究框架,将该领域的研究按照所属模块进行分类.特别地,依据测试生成器所基于的方法,将现有方法大致分为基于随机、基于启发式搜索、基于模型、基于机器学习和基于测试迁移这5个类别.此外,还从缺陷类别和测试动作等其他分类维度梳理现有方法.收集了该领域中较有影响力的数据集和开源工具.最后,总结当前面临的挑战并展望未来的研究方向.展开更多
社会技术系统通常由人类、硬件和软件主体组成,通过它们之间的协同工作满足相关涉众的需求。由于社会技术系统的开放性、动态性和持续变化性,这类系统中的主体需要动态地调整自己的行为,以适应动态变化的环境。一些研究工作已经提出了...社会技术系统通常由人类、硬件和软件主体组成,通过它们之间的协同工作满足相关涉众的需求。由于社会技术系统的开放性、动态性和持续变化性,这类系统中的主体需要动态地调整自己的行为,以适应动态变化的环境。一些研究工作已经提出了支持动态重配置和可变承诺的面向社会技术系统的自适应方法。然而,目前还缺少基于这种方法的实现框架。针对这一问题,提出一个基于主体的自适应实现框架,为社会技术系统提供基于可变承诺的自适应能力。该框架是基于JADE(Java Agent Development Framework)平台来实现的,并且提供了面向特定系统的监控器接口和执行器接口来实现个性化配置。最后,通过一个案例分析验证了该实现框架的有效性。展开更多
互联网上充斥着用户生成文档,如论坛中的帖子。如何对这些杂乱无章的内容进行监控是安全部门所关心的重点之一,话题识别与跟踪(Topic Detection and Tracking,TDT)是监控的有效手段之一。但是,网络论坛帖子的特点是回帖篇幅短、话题转移...互联网上充斥着用户生成文档,如论坛中的帖子。如何对这些杂乱无章的内容进行监控是安全部门所关心的重点之一,话题识别与跟踪(Topic Detection and Tracking,TDT)是监控的有效手段之一。但是,网络论坛帖子的特点是回帖篇幅短、话题转移快,使得面向论坛的话题识别与跟踪变得异常困难。针对其特点,给出了三个TDT模型:首先给出一个基线模型;为了缓解"话题漂移"现象,提出了将一个话题表示为种子向量与后续向量的改进模型;在改进的模型上运用最新的命名实体(NE)权重调节策略。针对论坛帖子格式不规范及TDT系统对处理速度的要求,提出了一种特征提取方法。最后,在真实数据集上给出了所用TDT模型的实验结果,证实了所建模型及特征提取方法的有效性。展开更多
文摘移动应用是近10年来兴起的新型计算模式,深刻地影响人民的生活方式.移动应用主要以图形用户界面(graphical user interface,GUI)方式交互,而对其进行人工测试需要消耗大量人力和物力.为此,研究者提出针对移动应用GUI的测试自动生成技术以提升测试效率并检测潜在缺陷.收集了145篇相关论文,系统地梳理、分析和总结现有工作.提出了“测试生成器-测试环境”研究框架,将该领域的研究按照所属模块进行分类.特别地,依据测试生成器所基于的方法,将现有方法大致分为基于随机、基于启发式搜索、基于模型、基于机器学习和基于测试迁移这5个类别.此外,还从缺陷类别和测试动作等其他分类维度梳理现有方法.收集了该领域中较有影响力的数据集和开源工具.最后,总结当前面临的挑战并展望未来的研究方向.
文摘社会技术系统通常由人类、硬件和软件主体组成,通过它们之间的协同工作满足相关涉众的需求。由于社会技术系统的开放性、动态性和持续变化性,这类系统中的主体需要动态地调整自己的行为,以适应动态变化的环境。一些研究工作已经提出了支持动态重配置和可变承诺的面向社会技术系统的自适应方法。然而,目前还缺少基于这种方法的实现框架。针对这一问题,提出一个基于主体的自适应实现框架,为社会技术系统提供基于可变承诺的自适应能力。该框架是基于JADE(Java Agent Development Framework)平台来实现的,并且提供了面向特定系统的监控器接口和执行器接口来实现个性化配置。最后,通过一个案例分析验证了该实现框架的有效性。
文摘互联网上充斥着用户生成文档,如论坛中的帖子。如何对这些杂乱无章的内容进行监控是安全部门所关心的重点之一,话题识别与跟踪(Topic Detection and Tracking,TDT)是监控的有效手段之一。但是,网络论坛帖子的特点是回帖篇幅短、话题转移快,使得面向论坛的话题识别与跟踪变得异常困难。针对其特点,给出了三个TDT模型:首先给出一个基线模型;为了缓解"话题漂移"现象,提出了将一个话题表示为种子向量与后续向量的改进模型;在改进的模型上运用最新的命名实体(NE)权重调节策略。针对论坛帖子格式不规范及TDT系统对处理速度的要求,提出了一种特征提取方法。最后,在真实数据集上给出了所用TDT模型的实验结果,证实了所建模型及特征提取方法的有效性。
