Test case generation for software testing on smart televisions with LSTM networks

Name: Test case generation for software testing on smart televisions with LSTM networks
Author: Çağlayan, Yusuf

İsim	Test case generation for software testing on smart televisions with LSTM networks
Yazar	Çağlayan, Yusuf
Basım Tarihi:	2024-08-30T14:54:51Z
Konu	Television, Technological innovations, Television relay systems, Testing, Smart materials
Tür	Belge
Dil	İngilizce
Dijital	Evet
Yazma	Hayır
Kütüphane:	Özyeğin Üniversitesi
Kayıt Numarası	498d7b84-7082-4512-9dac-12c679848594
Lokasyon	Department of Electrical and Electronics Engineering
Tarih	2024-08-30T14:54:51Z
Örnek Metin	Software testing for Smart TVs is an expensive and time-consuming process. Therefore, automatic and effective test case generation is important for reducing costs while improving software quality. In this study, we propose using the Long Short Term Memory (LSTM) networks for auto-generating new and effective test cases for smart TVs in a short amount of time. Training data for the network is prepared by an analysis of reset, crash, and hang errors that occurred in four different TV software during testing. The test cases for those errors were generated manually during the software approval processes at the Vestel Electronics TV factory. A total of 3000 errors were extracted from the test database, where each error corresponds to a sequence of actions, such as turning the TV on/off or opening the Netflix application, etc., that result in an error. A Long Short Term Memory (LSTM) network model is then trained to auto-generate test cases using those errors. The performance of the model is measured by how many errors could be generated given a fixed number of trial sequences. In experiments, auto-generated test cases were more successful in generating sequences that resulted in errors compared to the manually designed cases. Thus, significantly more errors could be generated in a given time frame using the proposed LSTM model, which resulted in more reliable and faster software., Akıllı TV'ler için yazılım testi, pahalı ve zaman alıcı bir süreçtir. Bu nedenle, yazılım kalitesini artırırken maliyetleri düşürmek için otomatik ve etkin test senaryosu oluşturma önemlidir. Bu çalışmada, akıllı TV'ler için kısa sürede otomatik olarak yeni ve etkili test senaryoları oluşturmak için Uzun Kısa Süreli Bellek (LSTM) ağlarının kullanılmasını öneriyoruz. Önerilen model için eğitim verileri, test sırasında dört farklı TV yazılımında meydana gelen sıfırlama, çökme ve kilitlenme hatalarının analizi ile hazırlanmıştır. Bu hatalara ilişkin test senaryoları, Vestel Elektronik TV fabrikasında yazılım onay süreçlerinde manuel olarak oluşturulmuştur. Test veritabanından, her bir hatanın, TV'yi açma ve kapatma veya Netflix uygulamasını açma gibi bir hatayla sonuçlanan bir dizi eyleme karşılık geldiği toplam 3000 hata ayıklandı. Bir Uzun Kısa Süreli Bellek (LSTM) ağ modeli daha sonra bu hataları kullanarak test senaryolarını otomatik olarak oluşturmak için eğitilir. Modelin performansı, sabit sayıda deneme dizisi verildiğinde ne kadar hata üretilebileceği ile ölçülür. Deneylerde, otomatik olarak oluşturulan test senaryoları, manuel olarak tasarlanmış vakalara kıyasla hatalara neden olan diziler oluşturma konusunda daha başarılıydı. Böylece, önerilen LSTM modeli kullanılarak belirli bir zaman diliminde önemli ölçüde daha fazla hata üretilebildi ve bu da daha güvenilir ve daha hızlı yazılımla sonuçlandı.

Kaynağa git Özyeğin Üniversitesi

Aramaya Dön

Özyeğin Üniversitesi

Kaynağa git

Test case generation for software testing on smart televisions with LSTM networks

Yazar Çağlayan, Yusuf

Basım Tarihi 2024-08-30T14:54:51Z

Konu Television, Technological innovations, Television relay systems, Testing, Smart materials

Tür Belge

Dil İngilizce

Dijital Evet

Yazma Hayır

Kütüphane Özyeğin Üniversitesi

Kayıt Numarası 498d7b84-7082-4512-9dac-12c679848594

Lokasyon Department of Electrical and Electronics Engineering

Tarih 2024-08-30T14:54:51Z

Örnek Metin Software testing for Smart TVs is an expensive and time-consuming process. Therefore, automatic and effective test case generation is important for reducing costs while improving software quality. In this study, we propose using the Long Short Term Memory (LSTM) networks for auto-generating new and effective test cases for smart TVs in a short amount of time. Training data for the network is prepared by an analysis of reset, crash, and hang errors that occurred in four different TV software during testing. The test cases for those errors were generated manually during the software approval processes at the Vestel Electronics TV factory. A total of 3000 errors were extracted from the test database, where each error corresponds to a sequence of actions, such as turning the TV on/off or opening the Netflix application, etc., that result in an error. A Long Short Term Memory (LSTM) network model is then trained to auto-generate test cases using those errors. The performance of the model is measured by how many errors could be generated given a fixed number of trial sequences. In experiments, auto-generated test cases were more successful in generating sequences that resulted in errors compared to the manually designed cases. Thus, significantly more errors could be generated in a given time frame using the proposed LSTM model, which resulted in more reliable and faster software., Akıllı TV'ler için yazılım testi, pahalı ve zaman alıcı bir süreçtir. Bu nedenle, yazılım kalitesini artırırken maliyetleri düşürmek için otomatik ve etkin test senaryosu oluşturma önemlidir. Bu çalışmada, akıllı TV'ler için kısa sürede otomatik olarak yeni ve etkili test senaryoları oluşturmak için Uzun Kısa Süreli Bellek (LSTM) ağlarının kullanılmasını öneriyoruz. Önerilen model için eğitim verileri, test sırasında dört farklı TV yazılımında meydana gelen sıfırlama, çökme ve kilitlenme hatalarının analizi ile hazırlanmıştır. Bu hatalara ilişkin test senaryoları, Vestel Elektronik TV fabrikasında yazılım onay süreçlerinde manuel olarak oluşturulmuştur. Test veritabanından, her bir hatanın, TV'yi açma ve kapatma veya Netflix uygulamasını açma gibi bir hatayla sonuçlanan bir dizi eyleme karşılık geldiği toplam 3000 hata ayıklandı. Bir Uzun Kısa Süreli Bellek (LSTM) ağ modeli daha sonra bu hataları kullanarak test senaryolarını otomatik olarak oluşturmak için eğitilir. Modelin performansı, sabit sayıda deneme dizisi verildiğinde ne kadar hata üretilebileceği ile ölçülür. Deneylerde, otomatik olarak oluşturulan test senaryoları, manuel olarak tasarlanmış vakalara kıyasla hatalara neden olan diziler oluşturma konusunda daha başarılıydı. Böylece, önerilen LSTM modeli kullanılarak belirli bir zaman diliminde önemli ölçüde daha fazla hata üretilebildi ve bu da daha güvenilir ve daha hızlı yazılımla sonuçlandı.