بهبود پیش بینی خروجی مورد انتظار در تولید خودکار اوراکل آزمون

آزمون نرم‌افزار از فعالیت‌های مهم چرخه حیات نرم‌افزار است که برای بهبود کیفیت نرم‌افزار مورد استفاده قرار می‌گیرد. برای کاهش هزینه‌های آزمون، محققان سعی کرده‌اند که آن‌را خودکار نمایند. اما آزمون به اوراکل نیاز دارد و خودکارسازی تولید اوراکل نیز لازم می‌شود. اوراکل روالی برای تولید خروجی مورد انتظار و تعیین اجرای موفق نرم‌افزار حین آزمون است. برای تولید خودکار اوراکل آزمون باید رفتار نرم‌افزار مدل‌سازی شود و دامنه ورودی به خروجی نگاشت یابد. این کار معمولاً ازطریق ساخت مدل یادگیری روی نمونه های آزمایشی صورت می‌گیرد. اما گاهی داده‌ها جزئیات کافی ندارد تا مدل، رفتار دقیق را یاد بگیرد و دقت تولید اوراکل کاهش می یابد. برای حل این مشکل، در این مقاله، روشی بهبودیافته برای تولید خودکار اوراکل آزمون ارائه می‌شود. این روش اطلاعاتی از پوشش کد نرم‌افزار تحت آزمون استخراج می‌کند. سپس آن‌را به مدل یادگیر تزریق می‌نماید تا جزئیات بیش‌تری در اختیار مدل قرار گیرد و دقت پیش‌بینی افزایش یابد. روش پیش‌نهادی بااستفاده از برنامه‌های تی‌کَس و اِسکِجول از مجموعه محک زیمنس مورد ارزیابی قرار گرفته است. در آزمایش‌ها روش پیشنهادی روی برنامه تی‌کَس دقت 97.95 و روی برنامه اِسکِجول دقت 60.27 نشان داد. روش پیش‌نهادی به مشخصات کامل نرم‌افزار تحت آزمون نیاز ندارد. پس کافی است اطلاعات مربوط به نوع و تعداد متغیرهای ورودی برنامه تحت آزمون مهیا باشد. به این ترتیب میزان دخالت انسانی در تولید خودکار اوراکل آزمون کاهش می‌یابد.