算法在测试中的实践如何进行自测评估正式版京东物流_第1页
算法在测试中的实践如何进行自测评估正式版京东物流_第2页
算法在测试中的实践如何进行自测评估正式版京东物流_第3页
算法在测试中的实践如何进行自测评估正式版京东物流_第4页
算法在测试中的实践如何进行自测评估正式版京东物流_第5页
已阅读5页,还剩24页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、算法在测试中的实践如何进行自测评估人:算法在测试中的实践如何进行自测评估故事每天都会发生的算法在测试中的实践如何进行自测评估改动比较大走测试(延期)改动不大开发自测(易出问题)算法在测试中的实践如何进行自测评估系统里程碑1方案设计建立算法模型自测评估计算自测评估的测试方法2自测评估的和优化算法在测试中的实践如何进行自测评估系统里程碑2017.32018.7产生增强code review的想法产生利用代码树自测评估的想法2017.122019.2实现自动代码分析并保存到代码树完成自测评估的算法并开始内测算法在测试中的实践如何进行自测评估方案设计-前期分类算需求法应用数据代码历史日志过程收集数据训

2、练数据训练数据收集数据数据打标算法模型词法语法分析计算调用频率建立相似度计算模型算法在测试中的实践如何进行自测评估方案设计-系统外部架构线上日志代码库MongoDB数据库打包提测系统自Qone质量平台系统 部不需要测试测试开发测评署测试估系统需要测试环境算法在测试中的实践如何进行自测评估方案设计-内部流程算法在测试中的实践如何进行自测评估方案设计-内部训练阀值参数的流程算法在测试中的实践如何进行自测评估方案设计-相似度计算选型两个向量的内积(点乘):ab=|a|b|cos(夹角)a两个的余弦相似度公式:cos(夹角)= ab/(|a|b|)向量的余弦相似度公式𝑥1 ×

3、 𝑦1 + 𝑥2 × 𝑦2 + + 𝑥𝑛 × 𝑦𝑛b𝑥2 + 𝑥2 + + 𝑥𝑛2 ×𝑦2 + 𝑦2 + + 𝑦𝑛21212算法在测试中的实践如何进行自测评估高维向量统计意义10853012345XY算法在测试中的实践如何进行自测评估方案设计-不同类型项目应用间的相似度区间上下限示意图测试下限测试上限自测下限自测上限01自测下限

4、测试下限测试上限自测上限01算法在测试中的实践如何进行自测评估方案设计-阈值的差异化设计服务研发仓储研发配送研发算法在测试中的实践如何进行自测评估方案设计数据库设计?为何采用MongoDB保存代码关系算法在测试中的实践如何进行自测评估建立算法模型package com.demo.a; import com.demo.b.B1; import com.demo.b.B2; import com.demo.c.C1; public class A1 extends C1 private B1 b1; private B2 b2; public A1()b1=new B1(); b2=new B2(

5、);package com.demo.b;package com.demo.b;package com.demo.c; public class C1 static protected int count=0; public C1()this.countPlus();protected void countPlus()count=count+1;public void showCount()System.out.println(count);import com.demo.c.C1;import com.demo.c.C1;public class B1 extends C1 public B

6、1() this.countPlus();public class B2 extends C1 public B2() this.countPlus();算法在测试中的实践如何进行自测评估建立算法模型-生成类关系有向图B1A1C1B2算法在测试中的实践如何进行自测评估建立算法模型-生成类中的节点信息A1节点c1<->C1类的节点b1<->B1类的节点b2<->B2类的节点A1()<->该方法语句块节点算法在测试中的实践如何进行自测评估建立算法模型-生成类中的节点信息B1节点B2节点被节点A1被节点A1c1<->C1类的节点c1<

7、->C1类的节点B2()<->该方法语句块节点B1()<->该方法语句块节点算法在测试中的实践如何进行自测评估建立算法模型-生成类中的节点信息C1节点被节点A1,B1,B2Count成员节点C1()<->该方法语句块节点countPlus()<->该方法语句块节点showCount()<->该方法语句块节点算法在测试中的实践如何进行自测评估建立算法模型-生成类中的节点信息C1类的countPlus()节点被节点C1,C1()取值的非局部变量C1.Count及数量1赋值的非局部变量C1.Count及数量1包括的局部变量数量0包括的

8、条件语句的条件数量0包括的循环语句数量0包括的代码行数4其它语法关键字信息版本修改信息(行数、修改人等)算法在测试中的实践如何进行自测评估自测评估计算protected void countPlus()synchronized (C1.class) count = count + 1;处理类节点下 子节点递归处理节点节点聚合计算代码影响度countPlus()非局部变量算法在测试中的实践如何进行自测评估自测评估计算构建函数构建函数B1(4)countPlus 方法(1+1+5)C1(13)A1(8)B2(4)聚合计算后影响度为旧版本A1(8),B1(4),B2(4),C1(13)新版本A1(1

9、1),B1(6),B2(6),C1(20)Count成员showCount 方法构建函数算法在测试中的实践如何进行自测评估建立算法模型package com.demo.a; import com.demo.b.B1; import com.demo.b.B2; import com.demo.c.C1; public class A1 extends C1 private B1 b1; private B2 b2; public A1()b1=new B1(); b2=new B2();package com.demo.b;package com.demo.b;package com.demo

10、.c; public class C1 static protected int count=0; public C1()this.countPlus();protected void countPlus()count=count+1;public void showCount()System.out.println(count);import com.demo.c.C1;import com.demo.c.C1;public class B1 extends C1 public B1() this.countPlus();public class B2 extends C1 public B

11、2() this.countPlus();算法在测试中的实践如何进行自测评估自测评估计算余弦相似度公式:𝒙𝟏 × 𝒚𝟏 + 𝒙𝟐 × 𝒚𝟐 + + 𝒙𝒏 × 𝒚𝒏𝒙𝟐 + 𝒙𝟐 + + 𝒙𝒏𝟐 ×𝒚𝟐 + 𝒚

12、𝟐 + + 𝒚𝒏𝟐𝟏𝟐𝟏𝟐新、旧两个版本代码间的相似度计算X1=8,x2=4,x3=4,x4=13 Y1=11,y2=6,y3=6,y4=20相似度修正值=cos(x,y)*(sum(x)/sum(y)相似度修正值=67.37%。算法在测试中的实践如何进行自测评估自测评估计算如果只修改了C1的showCount方法为System.out.println("count:“+count); X1=8,x2=4,x3=4,x4=13 Y1=8,y2=4,y3=4,y4=14相似度修正值=96.60%。为什么引入相似度修正值?算法在测试中的实践如何进行自测评估自测评估的测试方法利用准确率进行分类准

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论