随着互联网的快速发展,移动应用数量激增,同时移动应用产品功能趋于多样化与复杂化,由此引发的GUI测试问题也越来越具有挑战性。现有的移动应用GUI测试方法中,传统的手工测试存在高成本、低效率、强依赖等问题。而主流的自动化测试方法,money随机测试难以复现bug,录制回放技术需要大量人工操作。因此,如何实现快速高效的移动应用GUI自动化测试成为当前移动应用测试的研究热点。GUI测试建模是实现GUI自动化测试的基础,而现有的GUI测试建模方法难以满足移动应用黑盒测试的需求。一方面,GUI模型本身缺乏GUI语义信息,难以实现模型的迁移复用,且极易在建模过程中发生状态空间爆炸。另一方面,建模方法大多依赖被测应用源代码或侵入设备进行逆向工程建模,对测试平台与框架依赖度高,难以实现跨设备、跨系统的测试需求。因此,本文提出了一种基于深度学习的移动应用GUI测试建模方法,该方法通过基于视觉的移动应用GUI识别和基于领域本体的语义识别构建具有语义的GUI状态机模型,通过基于语义相似性的同构GUI识别方法消除冗余节点简化GUI模型。本文的主要工作与创新点如下:1)提出一种基于领域本体的移动应用GUI语义测试模型。首先,在OWL本体的基础上融合领域本体知识,识别并扩展GUI元素及事件的语义。其次,面向移动应用功能构建移动应用动作流图,描述移动应用的操作流程与操作语义。最后,结合扩展语义的FSM模型共同构成移动应用GUI语义测试模型,以支持移动应用自动化测试的数据生成。2)提出了一种基于深度学习的GUI自动化建模方法。首先结合GUI元素特点并依据GUI语义测试模型,选择基于深度学习的目标检测算法进行界面识别,识别元素的类型、位置等信息。然后将识别到的GUI文本值与移动应用领域本体相匹配,获得GUI组件语义,形成一个具有语义的GUI状态。最后根据移动应用动作流图,构建具有语义的移动应用状态机模型。3)提出了一种基于语义相似性的GUI模型化简方法。首先根据GUI元素信息构建GUI结构图,通过自编码器对GUI结构图进行特征提取,构建GUI的结构向量。然后利用Sentence-BERT网络将GUI的语义信息转换为GUI语义向量,结构向量和语义向量的拼接共同构成GUI特征向量。最后对特征向量采用余弦相似度进行相似度比较,判别相似GUI,消除冗余节点,实现GUI模型的化简。