抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くの設計自動化移動試験を改善するために提案した。これらの改善にもかかわらず,適切なテキスト入力を提供する顕著な障害物,自動試験手法の大規模な採用を妨げとなっている。重要な課題は,ユースケース文脈に最も関連するテキストを自動生成する方法である。例に対して,妥当なウエブサイト・アドレスはappの試験を継続するモバイルブラウザappのアドレスバーに入り,歌手名は音楽推薦appの探索棒の入ったすべきである。適切なテキスト入力なしで,試験は止まるようであろう。課題に対処するために新しい深い学習に基づく手法を提案し,これは最小化問題に対する問題を減少させた。もう一つの課題は,このアプローチが一般的に訓練されたアプリケーションおよび訓練されていないアプリケーションの両方に適用できるように方法である。課題に対処するためにWord2Vecモデルのレバレッジを行った。ツールとして筆者らのアプローチを構築し,FirefoxとWikipediaを含む50iOSモバイルアプリケーションを評価した。結果は筆者らのアプローチが既存の自動テキスト入力生成法の性能を上回ることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】