消除测试代码异味对代码质量的影响分析

良好的软件测试可以提升软件的可靠性,因此测试代码的设计和实现是国际学者研究的热点之一.测试异味是软件测试中潜在的设计问题,已有研究讨论了测试异味的定义和检测方式,但消除测试异味对代码质量的影响仍不明确.本文量化测试异味消除前后测试代码及关联生产代码的缺陷倾向,进而探究消除测试异味后代码质量的受益程度.在此基础上,本文提出了一种基于SZZ算法和相对风险的方法,以评估测试异味对代码质量的影响.实验聚焦5种测试代码异味,通过挖掘6个开源项目的93个历史发布版本,计算测试异味消除后代码质量的受益程度.实验发现,消除测试异味可显著提升测试代码质量.消除测试异味后,生产代码存在缺陷倾向的概率较之前减少59%.相较于其他4种测试异味,重构EagerTest异味对生产代码质量提升的帮助更大.

融合测试异味的即时缺陷预测模型探究

测试异味是软件测试中存在不良设计和不良实现的征兆.以前的研究表明,测试异味的存在与生产代码的缺陷倾向有着明显的关联,而最近的研究表明,测试相关的因素可以作为软件代码质量的可靠预测特征.本文在原有的即时缺陷预测模型中加入测试异味这一新角度的特征,构建包含代码度量、过程度量和测试异味3不同角度的特征数据集,涉及从代码编写到代码测试再到后期维护的全过程.本文在5个系统中实验并对比了新模型与旧模型的性能,以探究测试异味对即时缺陷预测模型效果的提升,并用可解释性人工智能算法衡量特征重要性.结果显示,加入测试异味后,模型的AUC_ROC值提升了2.5%-6.7%,精度提高1.4%-3.9%,召回率提高0.8%-4%,F1值提高2.3%-4.6%.根据可解释性人工智能算法SHAP分析的各特征属性对模型预测输出的贡献度排序,贡献度排在前20位的特征属性中有6种测试异味,分别为ECT,UT,AR,GF,MNT,ET,其中ECT对模型输出贡献度排在第9位,而ET则排在第20位,这表明不同测试异味对缺陷预测的贡献度有差别.同时,不同系统中的测试异味对模型预测输出的贡献度排序也存在较大差异.

嗅觉实验配气方法的改进及影响因素研究

配制气体样品是异味测试及相关研究的基础工作,配气稳定性直接影响测试结果准确度。三点比较式臭袋法使用微量进样针量取并转移液体标准物质到3 L无臭气袋的传统配气方法。对于异味阈值较小物质或样品浓度处于较低范围时,为了降低取样体积波动对配气精度和稳定性的影响。提出先将标准注入100 mL玻璃注射器,充分挥发混匀后再转移部分气体到无臭气袋的两步式配气方法。结果表明,2种配气方法的准确度不存在显著差异,但两步式配气法的配气稳定性明显优于传统方法。此外,研究还发现,常见异味物质在被注入气袋后3 min内便能完全挥发并混合均匀。除一些挥发性和吸附性极强的物质外,气袋内的异味物质气体浓度能在配好后20 min内基本保持不变。