DeepOrder：持续集成测试中测试用例优先级的深度学习

本周粗略阅读了论文《DeepOrder: Deep Learning for Test Case Prioritization in Continuous Integration Testing》，该论文是在传统软件测试中使用AI帮助测试用例选择的代表。

主要工作：

提出DeepOrder：在CI中，使用任意数量测试执行历史记录（持续时间、执行状态），基于多个因素学习失败的测试用例，对测试用例进行排序。

贡献：

1. 使用有监督学习，用历史测试数据训练基于回归的回归测试优先级深度学习模型；

2. 使用最后4个周期之前的测试历史可以提高优先测试套件的故障检测效率；

3. 在4个工业数据集上对该模型进行了实验。

方法：

DeepOrder学习一个近似函数来确定测试用例优先级。

1. 在现有的CI周期中收集历史数据集；

2. 应用特征提取构建相似数据集；

3. 数据集数据增强；

4. 训练模型对测试用例优先级排序，直到均方差（MSE）<0.0001；

5. 将深度学习模型部署于CI测试中。

模型结构：

其中，输入层中的特征表示测试用例及其属性（测试执行时间、给定CI周期数的执行状态、最后一次执行时间）；输出层生成一个实数值，即优先级。

该模型为回归模型，基于每次迭代计算损失，更新模型内权重。