摘要
等价变异体识别一直是阻碍变异测试在工业界得以广泛应用的一个关键难题为此提出了一种基于故障检测上下文的等价变异体识别算法该算法通过静态分析技术抽取程序中与故障检测条件相关的代码上下文信息,以构造故障检测上下文;接着,故障检测上下文被转换为文档模型,经过一个文档表示学习网络进行编码;最后通过机器学习模型将变异体分类为等价或非等价变异在包含了22个C程序和118000个变异体样本的训练集上,该算法取得91％的分类精准度和82％的召回率;同时在跨项目交叉验证中,机器学习模型取得了77％的精准度和78％的召回率该结果表明基于故障检测上下文的识别技术能够有效地提高等价变异体分类的精准性和泛用性,为提高变异测试技术的有效性提供了技术支持.
NETL
NSTL
维普
万方数据