Sirvi Autor "Semenenko, Nataliia" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 1 1
  • Pisipilt
    Kirje
    Masinõppel põhinev veebilehtede ühilduvusdiagnostika
    (Tartu Ülikool, 2013) Semenenko, Nataliia; Dumas, Marlon; Saar, Tõnis; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Arvutiteaduse instituut
    Tulenevalt veebitehnoloogia kiirest arengust ja standardite rakendamise aeglusest, on tulemuseks probleemid veebilehtede ühilduvuses. Veebiarendajad peavad igapäevaselt tegelema ühilduvusprobleemiga, mis seisneb veebilehtede erinevas renderdamises üle laia valiku erinevate veebilehitsejate ja operatsioonisüsteemide. Kuigi standarditele vastav veebileht tagab suurema veakindluse, siis on praktikas renderdusvead siiski väga sagedased ja vahelduvad vähetähtsatest kuni kriitiliste vigadeni, nagu näiteks mõne nupu puudumine veebilehel, mis on renderdatud konkreetse veebilehitseja ja operatsioonisüsteemi konfiguratsiooni koosluses. Tuvastamaks renderdamisest tulenevaid ühilduvusvigu peavad arendajad visuaalselt kontrollima veebilehtede korrektsust üle valiku veebilehitseja ja operatsioonisüsteemi kombinatsioonide. Selline testimisviis on aeganõudev ja vigaderohke. Olemasolevad automaatsed testimislahendused kiirendavad testimise protsessi. Nendes lahendustes renderdatakse esmalt veebileht mitmel konfiguratsioonil, misjärel teostatakse kas dokumendiobjektide mudelil (DOM) või pilditöötlusel põhinev analüüs, tuvastamaks potentsiaalseid vigu. Hetkel olemasolevate lahenduste puuduseks on ülitundlikkus. Selle tulemuseks on suur hulk vale-positiivseid tulemusi. Isegi väikseimad erinevused klassifitseeritakse vigadeks. Vale-positiivsete tulemuste vähendamine on raskendatud, tulenevalt sellest, et vea kriteerium ei ole alati jäigalt objektiivne. Antud magistritöö pakub välja masinõppel põhinevad lahendused, parandamaks veebilehitsejate ühilduvustestide tulemusi, kas pilditöötluse (Browserbite) või DOM analüüsil (Mogotest) põhineva lahenduse näitel. Klassifikaatorite treenimiseks ja testimiseks valiti üle 140 veebilehe, mis renderdati 10 või 14 konfiguratioonil. Klassifitseerimisel kasutati kahte erinevat algoritmi: klassifikatsioonipuud ja tehisnärvivõrke. Ulatuslikud eksperimentaalsed katsed näitasid, et tehisnärvivõrgul põhinev klassifikaator on täpsete omadustega, nii pilditöötlusel kui ka DOM analüüsil põhinevate tulemuste klassifitseerimisel. Lisaks antakse töös ülevaade pilditöötluse ja DOM analüüsi meetodite kombineerimisest veebilehitsejate ühilduvuse testimisel.