基于深度学习的移动应用众包测试智能推荐算法

作者：成静; 王威; 帅正义

来源：西北工业大学学报, 2021, 39(05): 1049-1056.

• 深度学习
• 堆叠边缘降噪自动编码器
• 词向量
• 推荐算法

随着移动应用功能日趋复杂,众包测试对测试人员的专业技能提出更高要求。因此,如何高效匹配测试任务需求与测试人员技能水平,实现精准的众包测试任务推荐是保证测试质量的重要因素。提出一种基于深度学习的移动应用众包测试任务推荐算法。针对测试任务和测试人员进行特征分析,分别设计特征体系;将得到的特征数据作为堆叠式边缘降噪自动编码器(stacked marginalized denoising autoencoder, SMDA)输入数据,将SMDA学习到的深层特征数据结合作为深度神经网络(deep neural networks, DNN)的输入;利用DNN的学习能力进行预测。实验结果表明:所提算法相较于CDL和AutoSVD++等算法无论是性能还是训练时间都有明显优势,验证了算法的有效性。所提算法可以将测试任务推荐给适合的测试人员并提高了推荐算法的精细度。

• 单位
  西安工业大学; 西北工业大学