.png){kind=icon}
返回
Supporting multi-dimensional unit test classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s10664-025-10661-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在软件开发生命周期中，单元测试名称有助于提升测试的整体质量。开发者通常在测试名称中编码上下文信息，以增强测试的可读性和可维护性。然而，这些信息缺乏形式化结构，因此无法系统地用于支持软件开发实践，例如文档编写和测试重构。此外，即使测试名称具有描述性，大型测试套件仍可能难以阅读和维护。为解决这些局限性，我们提出通过流行的测试命名规范识别单元测试名称中编码的常见信息类型。我们引入了一种新颖的基于规则的方法，称为Sift4J，用于自动提取单元测试名称中编码的潜在语义信息。从测试名称中可提取的信息片段包括被测方法的名称、被测对象的状态描述以及执行被测单元的预期结果。我们展示了如何利用这些信息对单元测试进行多维分类。我们通过两个单元测试样本集评估了Sift4J的性能：我们的开发数据集和一个此前未使用的评估基准。结果表明，我们能够从测试名称中提取足够的信息，以协助有意义的重新组织测试类中的测试。
Keyword:
Software testing
Test maintenance
Refactoring
Test structure
期刊
IF:
3.6
论文数:
2.0K
被引数:
5.3K
机构
引用论文
.png){kind=icon}
Aiding comprehension of unit test cases and test suites with stereotype-based tagging使用基于原型的标记帮助理解单元测试用例和测试套件
PREAI
分享收藏Establishing Traceability Links between Unit Test Cases and Units under Test在单元测试用例和被测单元之间建立可追溯性链接
PREAI
分享收藏
查看更多内容