众包测试已成为确保移动应用质量的重要测试范式。然而，众包测试的开放性导致测试报告数量庞大且信息重复，使得高效识别错误变得困难。众包测试报告的优先级排序作为一种协助应用开发者审阅报告的有效方法，面临诸多挑战。现有的自动化方法在描述众包测试报告特征时缺乏准确性。且现有优先级排序策略通过加权系数组合特征，未能充分考虑报告固有的语义信息，从而导致可能产生有偏且无效的结果。

为解决上述问题，虞圣呈博士创新地提出了基于图像文本语义理解与特征聚合的增强众包测试报告排序方法，该方法从宏观和微观两个角度考虑应用截图的结构和内容，包括图形用户界面（ GUI ）布局和 GUI 控件。对于文本描述，该方法考虑错误描述和复现步骤。与直接合并特征不同，该方法采用了一种先"排序-再排序"的策略。首先，基于四个特征分别对报告进行排序。然后，利用这四个序列的排名，按字典顺序重新优先排序测试报告。这使得能够更全面地考虑报告中的语义信息。EncrePrior 的性能优于最先进的方法 15.61 %，这展示了 EncrePrior 的巨大潜力。

该方法是在 iSE 实验室 ICSE 2021 所发表论文《 Prioritize Crowdsourced Test Reports via Deep Screenshot Understanding 》基础上的的重要拓展（ https://ieeexplore.ieee.org/document/9401980  ），这一方法能够更有效、更高效地优先排序众包测试报告，以供应用开发者参考。凭借其新引入的报告特征表征和优先级排序策略，该方法解决了软件测试领域的一个重要问题，在自动化众包测试方面取得了有意义的突破。该工作相关成果《 Enhanced Crowdsourced Test Report Prioritization via Image-and-Text Semantic Understanding and Feature Integration 》已被 IEEE Transactions on Software Engineering（ TSE，CCF-A期刊 ）录用。虞圣呈博士注重产研融合，围绕众包测试平台研发了一系列工具，并已在国家电网、北汽、华为、广东软件园等企业得到初步应用。