题目：基于机器学习的Web应用测试用例扩充方法研究

作为软件质量保证的一个重要手段，软件测试一直以来都是一项困难而繁重的工作。测试用例是软件测试的基础，测试人员需要设计一定数目的测试用例以保证软件质量。测试用例扩充是指在原有测试用例集的基础上扩充测试用例以达到更高的测试有效性。

Web应用可以看作是含有多层架构的分布式系统，其规模庞大、结构复杂、并发度高以及更新维护频繁等特征导致对Web应用的测试用例扩充往往效率不高、有效性差。

为解决上述问题，本文以机器学习技术为基础，借助建模技术和日志挖掘技术，研究Web应用测试用例扩充方法。主要有以下几点研究内容：

第一，定义Web应用的测试目标元模型，并基于测试目标元模型设计Web应用测试目标建模方法。测试人员可以使用测试目标模型指定需要测试的行为模式。

第二，为得到满足测试目标的测试用例，本文设计了Web应用的日志挖掘方法。对于Web应用而言，日志记录了用户访问Web应用的真实数据，通过对日志进行划分，并将划分后的日志同测试目标进行匹配，可以构造满足测试目标的测试用例。通过日志与测试目标的自动匹配，提高了测试自动化水平。而且根据日志生成的测试用例比手工构造的测试用例更能反应被测系统真实的使用情况，因此更有助于发现被测系统在真实使用环境下存在的问题。

第三，基于机器学习技术提出Web应用测试用例扩充方法。通过日志挖掘可以获得满足测试目标的测试用例，但是可能存在很多冗余。本文通过使用机器学习中的聚类技术对测试用例进行分析，选择有效的测试用例扩充到原有测试用例集中，并通过实验验证该方法的有效性。

基于以上三点研究内容，本文实现了一个测试用例扩充及运行工具。工具基于Eclipse图形建模框架，使用Eclipse插件技术和MongoDB实现了测试用例扩充及运行功能。