Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN
The article discusses the problem of DOM selector instability, which is one of the key reasons for flaky tests in modern automated web resource testing systems. It is shown that traditional approaches to selector formation, both manual and automated, do not take into account the global context of th...
Збережено в:
| Дата: | 2026 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Vinnytsia National Technical University
2026
|
| Теми: | |
| Онлайн доступ: | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/807 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Optoelectronic Information-Power Technologies |
Репозитарії
Optoelectronic Information-Power Technologies| _version_ | 1856543908724473856 |
|---|---|
| author | Морозов, О.С. Яровий, А.А. |
| author_facet | Морозов, О.С. Яровий, А.А. |
| author_sort | Морозов, О.С. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2026-01-12T10:58:28Z |
| description | The article discusses the problem of DOM selector instability, which is one of the key reasons for flaky tests in modern automated web resource testing systems. It is shown that traditional approaches to selector formation, both manual and automated, do not take into account the global context of the DOM structure and are ineffective in the case of dynamic interface changes. The feasibility of using graph neural networks (GNN) as a tool for modelling the DOM tree in the form of a directed graph, taking into account the semantic, attributive, and structural features of nodes, is justified.
A theoretical model for building adaptive DOM selectors, combining GNN with a decision-making agent, is proposed. A mathematical representation of the DOM graph, a system of node features (one-hot tag encoding, binary attributes id/class/data-testid, depth, number of descendants, position among neighbours) has been developed, and selector evaluation metrics have been formalised: uniqueness, accuracy, completeness, F1-measure and length. An agent reward function has been formed that optimises the balance between accuracy, stability, and compactness of the selector.
It has been shown that the combination of DOM (Document object model) graph representations and a decision optimisation mechanism allows the creation of selectors that are resistant to structural changes in web pages and reduces the need for manual test maintenance. The proposed model forms the theoretical basis for the creation of intelligent automated testing systems capable of adapting locators during DOM changes without the need for a complete analysis of the interface by the tester. |
| first_indexed | 2026-02-08T08:10:42Z |
| format | Article |
| id | oai:oeipt.vntu.edu.ua:article-807 |
| institution | Optoelectronic Information-Power Technologies |
| language | Ukrainian |
| last_indexed | 2026-02-08T08:10:42Z |
| publishDate | 2026 |
| publisher | Vinnytsia National Technical University |
| record_format | ojs |
| spelling | oai:oeipt.vntu.edu.ua:article-8072026-01-12T10:58:28Z Intellectual model for generating adaptive WEB selectors based on GNN Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN Морозов, О.С. Яровий, А.А. software information technology intelligent systems automated testing graph neural networks (GNN) програмне забезпечення інформаційні технології інтелектуальні системи автоматизоване тестування графові нейронні мережі (GNN) The article discusses the problem of DOM selector instability, which is one of the key reasons for flaky tests in modern automated web resource testing systems. It is shown that traditional approaches to selector formation, both manual and automated, do not take into account the global context of the DOM structure and are ineffective in the case of dynamic interface changes. The feasibility of using graph neural networks (GNN) as a tool for modelling the DOM tree in the form of a directed graph, taking into account the semantic, attributive, and structural features of nodes, is justified. A theoretical model for building adaptive DOM selectors, combining GNN with a decision-making agent, is proposed. A mathematical representation of the DOM graph, a system of node features (one-hot tag encoding, binary attributes id/class/data-testid, depth, number of descendants, position among neighbours) has been developed, and selector evaluation metrics have been formalised: uniqueness, accuracy, completeness, F1-measure and length. An agent reward function has been formed that optimises the balance between accuracy, stability, and compactness of the selector. It has been shown that the combination of DOM (Document object model) graph representations and a decision optimisation mechanism allows the creation of selectors that are resistant to structural changes in web pages and reduces the need for manual test maintenance. The proposed model forms the theoretical basis for the creation of intelligent automated testing systems capable of adapting locators during DOM changes without the need for a complete analysis of the interface by the tester. У статті розглянуто проблему нестабільності DOM-селекторів, яка є однією з ключових причин появи flaky-тестів у сучасних системах автоматизованого тестування веб-ресурсів. Показано, що традиційні підходи до формування селекторів – як ручні, так і автоматизовані – не враховують глобальний контекст DOM-структури та є малоефективними у випадку динамічних змін інтерфейсу. Обґрунтовано доцільність використання графових нейронних мереж (GNN) як інструменту моделювання DOM-дерева у вигляді орієнтованого графа з урахуванням семантичних, атрибутивних та структурних ознак вузлів. Запропоновано теоретичну модель побудови адаптивних DOM-селекторів, що поєднує GNN з агентом прийняття рішень. Розроблено математичне подання DOM-графа, систему ознак вузлів (one-hot кодування тегів, бінарні атрибути id/class/data-testid, глибина, кількість нащадків, позиція серед сусідів), а також формалізовано метрики оцінювання селекторів: унікальність, точність, повнота, F1-міра та довжина. Сформовано функцію винагороди агента, яка оптимізує баланс між точністю, стабільністю та компактністю селектора. Показано, що поєднання графових репрезентацій DOM (Document object model) та механізму оптимізації рішень дає змогу створювати селектори, стійкі до структурних змін веб-сторінок, а також скорочує потребу у ручній підтримці тестів. Запропонована модель формує теоретичне підґрунтя для створення інтелектуальних систем автоматизованого тестування, здатних адаптувати локатори під час зміни DOM без необхідності повного аналізу інтерфейсу тестувальником. Vinnytsia National Technical University 2026-01-12 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/807 10.31649/1681-7893-2025-50-2-142-149 Optoelectronic Information-Power Technologies; Vol. 50 No. 2 (2025); 142-149 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 50 № 2 (2025); 142-149 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 50 № 2 (2025); 142-149 2311-2662 1681-7893 10.31649/1681-7893-2025-50-2 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/807/736 |
| spellingShingle | програмне забезпечення інформаційні технології інтелектуальні системи автоматизоване тестування графові нейронні мережі (GNN) Морозов, О.С. Яровий, А.А. Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title | Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title_alt | Intellectual model for generating adaptive WEB selectors based on GNN |
| title_full | Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title_fullStr | Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title_full_unstemmed | Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title_short | Інтелектуальна модель генерації адаптивних веб-селекторів на основі GNN |
| title_sort | інтелектуальна модель генерації адаптивних веб-селекторів на основі gnn |
| topic | програмне забезпечення інформаційні технології інтелектуальні системи автоматизоване тестування графові нейронні мережі (GNN) |
| topic_facet | software information technology intelligent systems automated testing graph neural networks (GNN) програмне забезпечення інформаційні технології інтелектуальні системи автоматизоване тестування графові нейронні мережі (GNN) |
| url | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/807 |
| work_keys_str_mv | AT morozovos intellectualmodelforgeneratingadaptivewebselectorsbasedongnn AT ârovijaa intellectualmodelforgeneratingadaptivewebselectorsbasedongnn AT morozovos íntelektualʹnamodelʹgeneracííadaptivnihvebselektorívnaosnovígnn AT ârovijaa íntelektualʹnamodelʹgeneracííadaptivnihvebselektorívnaosnovígnn |