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。
ユニット試験の実践は,現在編集されたプログラムが試験事例で指定された期待と一致するかどうかに関して,自動化フィードバックを得ることを可能にする。フィードバックは,欠陥が固定するのが困難になる前に直ちに補正できるので,最も貴重である。しかし,成長およびより長い走行試験セットで,フィードバックは,プログラム変更の後,より少ない頻度で遅れて,遅れた。テスト優先順位付けの目的は,もし存在するならば,欠陥ができるだけ早いか,または最小コストで見つかるように,テストをランク付けすることである。プログラムの現行バージョンのみに基づくテストのランキングを出力する多数の静的アプローチがあるが,著者らは,最も最近のプログラム変化に応答して失敗するテストを推薦する,変化ベースの試験優先順位付けに焦点を当てた。正準手法は,カバレッジデータに依存し,変化領域をカバーするテストを優先するが,カバレッジデータを取得および更新することは,コストがかかる。より最近,変化および試験の間の重複語彙を利用する情報検索技術は,強力であるが,軽量であることが証明されている。本研究では,例としてPythonを用いた動的プログラミング言語における事前決定試験のための情報検索の能力を実証した。プログラム変更のまわりの文脈情報がどのように使用できるか,また,失敗試験を検索するために調整した広範囲にわたるTF-IDFretrievalモデルに対する設計代替案を含む,以前に研究した変動点の下で,以前に議論し,測定する。関連する試験故障によるプログラム変化を得るために,それらの試験結果とともに,バージョン履歴から大きな故障変化を生成するツールを設計した。このデータセットを用いて,4つのオープンソースPythonプロジェクトを用いた既存のおよび新しい語彙優先順位付け戦略を比較し,非処理およびランダム試験次数に対する大きな改善を示し,静的型言語における関連研究と一致した。軽量IRベース優先順位付け戦略は,被覆データがない場合,あるいは静的解析が動的言語のように扱いにくい場合,失敗試験を予測する有効なツールであると結論した。この知識は,高速フィードバックに頼る個々のプログラマと,連続統合インフラストラクチャのオペレータの両方に有益であり,そこでは,資源は,ビルドサイクルにおいて以前に欠陥を検出することによって,すぐに自由にできる。【JST・京大機械翻訳】
