吴金波 唐前进 杨 明
(公安部第三研究所 上海 201204)
随着信息技术的飞速发展,人类进入了大数据时代,来自商业、社会、科学、工程、医疗以及日常生活的大量数据在飞速产生并实现存储。如何从如此巨量的、无序的、离散的数据中提取有效信息成为当前计算机领域的研究热点,促进了大数据及数据挖掘技术的快速发展。
近年来,人工智能蓬勃发展,引起了数据挖掘技术的又一次革命,研究人员提出了一系列优秀的数据挖掘算法,并证明了这些算法的最优性能。然而,理论上的证明并不能保证算法实现(即数据挖掘应用程序)的正确性,因此针对数据挖掘应用程序进行正确性测评是必要的。
由于数据挖掘本身具有一定的“主观色彩”,所以,数据挖掘应用程序在进行测评时很难找到预知的分析结果与程序输出进行精确的对比,即存在所谓的“Oracle”问题[1]。它指的是,在对某些应用程序进行正确性测评过程中,由于很难构造预期输出等原因而造成的无法确定程序输出是否正确的问题。这是数据挖掘应用程序与普通应用程序在正确性测评方面存在的最重要区别,分类算法作为数据挖掘领域的常用算法,其应用程序测试同样存在着“Oracle”问题。
为了解决该问题,香港中文大学的Chen等提出了蜕变测试[2-3]方法。该方法的核心思想是:对于为数较少的通过测试的正确用例,虽然没有发现应用程序的错误[4],但能够以该用例为基础,采用一定的蜕变策略构造新的测试用例(称为蜕变用例)及预期输出(称为蜕变输出)。……