-
Patent Agency Ranking
公开(公告)号：CN119537233A
公开(公告)日：2025-02-28
申请号：CN202411650905.3
申请日：2024-11-19
Applicant: 南京大学
IPC: G06F11/3668 , G06N5/04 , G06N7/02
Abstract: 本发明提出了一种结合符号执行的人工智能制导生成程序测试方法，通过结合符号执行的严格推理能力和人工智能模型的模糊推理能力对人工智能制导自动化生成的代码进行有效测试，结合利用人工智能技术对符号执行所收集的程序路径约束进行增强求解，生成更多高质量的、高覆盖的测试用例，从而提高测试覆盖率和测试结果的正确性，发现传统测试框架难以捕捉的程序错误，提高测试覆盖率和检测代码错误的能力，且无论待测程序是否有基准实现与预定义输出，本测试方法均可以成功实施，可以帮助开发人员更好地利用人工智能制导生成的程序，提高程序的可靠性。
-
-
公开(公告)号：CN105512285B
公开(公告)日：2018-11-06
申请号：CN201510892012.4
申请日：2015-12-07
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明是一种基于机器学习的自适应网络爬虫方法，由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则，没有自适应的程序自动引导爬虫进行工作。同时，在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘，从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题，主要的技术步骤为：获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成，用于对所爬取网站的页面代码提取位置特征并进行自适应训练，对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
公开(公告)号：CN106095679A
公开(公告)日：2016-11-09
申请号：CN201610408581.1
申请日：2016-06-12
Applicant: 南京大学
IPC: G06F11/36
CPC classification number: G06F11/3684 , G06F11/3692
Abstract: 本发明提出了一种基于手绘识别的图形界面测试用例生成方法，该方法针对目前图形界面的测试用例生成存在手工测试成本过高，脚本测试难度过大等问题，通过利用手绘草图识别技术来辅助测试用例的生成过程，使得移动设备软件和个人计算机软件的图形界面交互测试变得更为简便、高效。
-
公开(公告)号：CN105512285A
公开(公告)日：2016-04-20
申请号：CN201510892012.4
申请日：2015-12-07
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/30864
Abstract: 本发明是一种基于机器学习的自适应网络爬虫方法，由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则，没有自适应的程序自动引导爬虫进行工作。同时，在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘，从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题，主要的技术步骤为：获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成，用于对所爬取网站的页面代码提取位置特征并进行自适应训练，对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
