論文の概要: Test Script Intention Generation for Mobile Application via GUI Image and Code Understanding

• arxiv url: http://arxiv.org/abs/2107.05165v3
• Date: Mon, 03 Mar 2025 13:37:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:11:13.613293
• Title: Test Script Intention Generation for Mobile Application via GUI Image and Code Understanding
• Title（参考訳）: GUI画像とコード理解によるモバイルアプリケーションのためのテストスクリプト意図生成
• Authors: Shengcheng Yu, Chunrong Fang, Jia Liu, Zhenyu Chen,
• Abstract要約: テストスクリプトは、ソースコードのテストケースよりも、モバイルアプリのテストにおいて重要な役割を果たす。 TestIntentionはGUIテストスクリプトの意図を推測する新しいアプローチである。 すべての操作の結果が組み合わされ、テストスクリプトのテスト意図が生成される。
• 参考スコア（独自算出の注目度）: 12.973016336177047
• License:
• Abstract: Testing is the most direct and effective technique to ensure software quality. Test scripts always play a more important role in mobile app testing than test cases for source code, due to the GUI-intensive and event-driven characteristics of mobile applications (app). Test scripts focus on user interactions and the corresponding response events, which is significant for testing the target app functionalities. Therefore, it is critical to understand the test scripts for better script maintenance and modification. There exist some mature code understanding (i.e., code comment generation) technologies that can be directly applied to functionality source code with business logic. However, such technologies will have difficulties when being applied to test scripts, because test scripts are loosely linked to apps under test (AUT) by widget selectors, and do not contain business logic themselves. In order to solve the test script understanding gap, this paper presents a novel approach, namely TestIntention, to infer the intention of GUI test scripts. Test intention refers to the user expectations of app behaviors for specific operations. TestIntention formalizes test scripts with an operation sequence model. For each operation within the sequence, TestIntention extracts the target widget selector and links the selector to the GUI layout information or the corresponding response events. For widgets identified by XPath, TestIntention utilizes the image understanding technologies to explore the detailed information of the widget images, the intention of which is understood with a deep learning model. For widgets identified by ID, TestIntention first maps the selectors to the response methods with business logic, and then adopts code understanding technologies to describe code in natural language form. Results of all operations are combined to generate test intention for test scripts.
• Abstract（参考訳）: テストはソフトウェアの品質を保証する最も直接的で効果的なテクニックです。 テストスクリプトは、モバイルアプリケーション(アプリ)のGUI集約的でイベント駆動的な特性のため、ソースコードのテストケースよりも、モバイルアプリケーションのテストにおいて常に重要な役割を果たす。 テストスクリプトはユーザインタラクションと対応するレスポンスイベントに重点を置いている。 したがって、より良いスクリプトのメンテナンスと修正のためにテストスクリプトを理解することが重要である。 いくつかの成熟したコード理解技術(つまり、コードコメント生成)があり、ビジネスロジックで機能ソースコードに直接適用することができる。 しかし、テストスクリプトはウィジェットセレクタによってテスト対象のアプリ(AUT)にゆるやかにリンクされ、ビジネスロジック自体を含まないため、テストスクリプトに適用される場合、このような技術は困難である。 本稿では,テストスクリプト理解ギャップを解決するために,GUIテストスクリプトの意図を推測する新しい手法であるTestIntentionを提案する。 テスト意図(Test intention)とは、特定の操作に対するアプリの動作に対するユーザの期待をいう。 TestIntentionは、テストスクリプトをオペレーションシーケンスモデルで形式化する。 シーケンス内の各操作に対して、TestIntentionはターゲットウィジェットセレクタを抽出し、セレクタをGUIレイアウト情報または対応する応答イベントにリンクする。 XPathで特定されたウィジェットでは、TestIntentionは画像理解技術を利用してウィジェットイメージの詳細な情報を探り、その意図をディープラーニングモデルで理解する。 IDで識別されたウィジェットの場合、TestIntentionはまずセレクタをビジネスロジックで応答メソッドにマップし、次に自然言語形式でコードを記述するためのコード理解技術を採用する。 すべての操作の結果が組み合わされ、テストスクリプトのテスト意図が生成される。

関連論文リスト

• CLOVER: A Test Case Generation Benchmark with Coverage, Long-Context, and Verification [71.34070740261072]
  本稿では,テストケースの生成と完成におけるモデルの能力を評価するためのベンチマークCLOVERを提案する。 ベンチマークはタスク間でのコード実行のためにコンテナ化されています。
  論文  参考訳（メタデータ） (2025-02-12T21:42:56Z)
• LlamaRestTest: Effective REST API Testing with Small Language Models [50.058600784556816]
  LlamaRestTestは、2つのカスタムLCMを使って現実的なテストインプットを生成する新しいアプローチである。 LlamaRestTestは、RESTGPTで強化された仕様でさえ、コードカバレッジとエラー検出において最先端のツールを上回っている。
  論文  参考訳（メタデータ） (2025-01-15T05:51:20Z)
• GUI Testing Arena: A Unified Benchmark for Advancing Autonomous GUI Testing Agent [24.97846085313314]
  自動GUIテストのプロセス全体を評価するための,形式化された総合的な環境を提案する。 テストプロセスは、テスト意図の生成、テストタスクの実行、GUI欠陥検出という、3つの重要なサブタスクに分割します。 実際のモバイルアプリケーション、人工的に注入された欠陥を持つモバイルアプリケーション、合成データという3つのデータタイプを使用して、異なるモデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-12-24T13:41:47Z)
• Commit0: Library Generation from Scratch [77.38414688148006]
  Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。 エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。 Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
  論文  参考訳（メタデータ） (2024-12-02T18:11:30Z)
• A Multi-Agent Approach for REST API Testing with Semantic Graphs and LLM-Driven Inputs [46.65963514391019]
  私たちは、REST APIテストに依存性組み込みのマルチエージェントアプローチを採用する最初のブラックボックスツールであるAutoRestTestを紹介します。 このアプローチでは、REST APIテストを分離可能な問題として扱い、4人のエージェントがAPI探索を最適化するために協力します。 12の現実世界のRESTサービス上でのAutoRestTestの評価は、主要な4つのブラックボックスREST APIテストツールよりも優れています。
  論文  参考訳（メタデータ） (2024-11-11T16:20:27Z)
• AUITestAgent: Automatic Requirements Oriented GUI Function Testing [12.83932274541321]
  本稿では,モバイルアプリ用の初の自動自然言語駆動GUIテストツールであるAUITestAgentを紹介する。 GUIインタラクションと機能検証の全プロセスを完全に自動化することができる。 カスタマイズされたベンチマークの実験では、AUITestAgentが生成されたGUIインタラクションの品質で既存のツールより優れていることが示されている。
  論文  参考訳（メタデータ） (2024-07-12T06:14:46Z)
• Practical, Automated Scenario-based Mobile App Testing [13.52057950260007]
  ヒューマンテスタが開発したテストスクリプトは、テストシナリオに集中してビジネスロジックを検討する。 モバイルアプリのGUI集約的な機能のため、ヒューマンテスタは常にアプリケーションのGUIを理解して、シナリオのテストスクリプトを整理します。 ScenTestは、ヒューマンプラクティスを模倣し、ドメイン知識をシナリオベースのモバイルアプリテストに統合することで、自動テストを開始する。
  論文  参考訳（メタデータ） (2024-06-12T15:48:39Z)
• Autonomous Large Language Model Agents Enabling Intent-Driven Mobile GUI Testing [17.24045904273874]
  そこで我々は,Android用の自動GUIテストエージェントであるDroidAgentを提案する。 これはLarge Language Modelと、長期記憶や短期記憶などのサポートメカニズムに基づいている。 DroidAgentは61%のアクティビティカバレッジを達成したが、現在の最先端のGUIテスト技術では51%だった。
  論文  参考訳（メタデータ） (2023-11-15T01:59:40Z)
• FacTool: Factuality Detection in Generative AI -- A Tool Augmented Framework for Multi-Task and Multi-Domain Scenarios [87.12753459582116]
  より広い範囲のタスクは、生成モデルによって処理されると、事実エラーを含むリスクが増大する。 大規模言語モデルにより生成されたテキストの事実誤りを検出するためのタスクおよびドメインに依存しないフレームワークであるFacToolを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:51Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• Chatting with GPT-3 for Zero-Shot Human-Like Mobile Automated GUI Testing [23.460051600514806]
  GPTDroid を提案し,GUI ページ情報を LLM に渡してテストスクリプトを抽出することにより,大規模言語モデルにモバイルアプリとのチャットを依頼する。 そこで我々はGUIページの静的コンテキストと反復テストプロセスの動的コンテキストを抽出する。 Google Playの86のアプリ上でGPTDroidを評価し、そのアクティビティカバレッジは71%で、最高のベースラインよりも32%高く、最高のベースラインよりも高速で36%多くのバグを検出することができます。
  論文  参考訳（メタデータ） (2023-05-16T13:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。