堆在一起
Day 618
事情往往都堆在一起。
霁风这边，近来大家对面条强势霸道的做法感到十分不满，首先在财务制度上，他选择了一个他相熟的人来掌管财务，而大家的想法是推选家明的太太负责。其实他有自己的想法没有问题，可以进行公开的投票嘛。但是，他的做法却是在股东会议上直接把那个人带了过来，直接把象征财务印章的ukey当场甩给了这个人，大家都很错愕，场面尴尬。最终还是搁置了财务制度的讨论，保持现状。除了财务这件事，在业务方面，一些核心的关键节点如：商务谈判细节、商务接洽预算、分成比例、合同细节等，都不透明。之前我们都以为林医生和面条一起负责，但是林医生却跟我和家明大吐苦水，所有关键节点的决策权都不在他，甚至商量的余地也没有。按照这两件事情来看，未来的趋势，我们的身份极有可能是换了一家公司打工而已，这当然不是我们所想的状态。目前的现状是整个团队的凝聚力受到了很大的挑战，面条委派的所谓律师，在群里发起了周末的股东例会，大家都没有任何响应。我打算晚一些回复：等家明回来再议，因为家明目前正在休假。
公司这边，感觉到新来的品质经理依旧配合度一般，所以我带着他一起找到老板，当面澄清了我和新来的品质经理的定位问题，老板也再次强调，以我为主。希望这样能让他的配合度有所提升吧。 这些琐事着实让我沮丧，但也有喜悦——最近公共技术组在技术上有了突破，和从字节过来的新人一起，终于把精准测试服务的技术框架确定下来了，很给力。一路走来，着实不易。本来是做基于机器学习的缺陷预测，但是遇到数据特征工程的难题，我们公司的数据太零散且混乱了，根本无法对样本做有效的标记。调整方案，从有监督学习改成无监督学习，但是聚类的结果却更混乱。最终思佳（新人）凭借自己优秀的外语阅读能力（新南威尔士毕业，英特尔实习1年，字节工作1年），找到了一篇学术论文，有了一个崭新的思路：基于BP神经网络的模型训练。
大致的步骤是：
获得代码语句覆盖和测试用例的关系，列出矩阵图（向量是用例的执行结果）
将向量值输入到BP神经网络，开始训练，输出对应的测试用例
使用BP神经网络评估每条语句出现缺陷的概率
以上方法输出为每条语句的bug概率，但事实上缺陷不一定存在于概率最大的语句中，按照概率从大到小排序之后进行评估可能会耗费一部分时间，所以对此进行改进。 思想：缺陷应当被所有失败的测试用例覆盖 -> 与缺陷相关的语句被所有失败用例覆盖（在此处缩小范围，只考虑失败用例的语句覆盖情况）
最后，整体过程如下： 
整体流程示意
