机器学习方法预测蜕变关系

下一步研究计划

使用机器学习方法预测蜕变测试中的蜕变关系。

是什么？

介绍的是当蜕变测试应用于单元测试中，函数为数值型计算程序，知道程序的源代码和单元块，针对代码的一项函数构建该函数的蜕变关系。
蜕变关系不再一一累述。

1. 蜕变关系

如果预先定义了一套蜕变关系，该关系如下：

蜕变关系名称	输入的变化	相应的输出改变
Permutative	随机改变元素的序列	维持不变
Additive	加上一个正常数	增加或维持不变
Multiplicative	乘一个正常数	增加或维持不变
Invertive	取相反数	减少或维持不变
Inclusive	增加一个新元素	增加或维持不变
Exclusive	删除一个元素	减少或维持不变

注：预定的蜕变关系由来：Murphy在2008年发表的论文Properties of machine learning applications for use in metamorphic testing中提出的数学函数常见的蜕变关系。

2. 函数的来源

数据是由一个个的Java代码片段组成的，从三大开源代码库获取代码语料库。
第一个是The Colt Project: Java高性能科学和技术计算开源库；
第二个是Apache Mahout: Java机器学习库；
第三个是Apache Commons Mathematics Library: Java数学和统计组件库；

3. 方法概要

简单版的——2013年Using Machine Learning Techniques to Detect Metamorphic Relations for Programs without Test Oracles论文
1)从功能源代码创建控制流图
2)从控制流图提取特征集，一个机器学习算法用这些特征创建一个预测模型
3)用开发的预测模型预测先前未见的功能的蜕变关系

加强版的——2015年Predicting metamorphic relations for testing scientific software: a machine learning approach using graph kernels论文
训练阶段
1)创建带有控制流和数据依赖信息的功能图形表达的特征集，这个特征集是带有表明是否满足给定MR类别的所有功能集合
2)计算图核，图核提供了训练集每对功能的相似度分数
3)计算得到的图核用于支持向量机创建预测模型
测试阶段
4)用训练得到的模型预测先前未见的功能是否满足考虑的MR

最新版本——2018年Using Semi-Supervised Learning for Predicting Metamorphic Relations论文(半监督)
1)转换功能为控制流图
2)从控制流图中提出特征集，输入特征到所选的机器学习算法
3)算法用来预测新功能的标签

4. 功能的图形表达

使用Soot框架创建控制流图，Soot由Jimple语言产生控制流图，三地址中间表达，每一个控制流图结点代表一个原子操作。相应地，功能的图形表达可以下载。

5. 特征集的表示(简单版的)

• 结点特征(结点名称-入度-出度)
  

• 路径特征(所有的路径、子路径)
  

• 类别标签
  是否满足蜕变关系(-1和1)，根据给定的蜕变关系，制定其类别标签值。

• 训练特征集
  

训练与测试

使用上述得到的训练集，用SVM训练得到预测模型；
使用训练模型预测新的功能的蜕变关系。

为什么？

好在哪里？

实验

。。。未完待续。。。