CN103744785A - 基于可传递关联矩阵的实体属性定量处理方法 - Google Patents

Abstract

本发明涉及基于可传递关联矩阵的实体属性定量处理方法，包括：第一步、系统初始化；第二步、构建矩阵；第三步、扩展矩阵；第四步、迭代处理；第五步、归一化处理。本发明方法所得实体测试属性向量能准确描述实体属性值，利于提高软件测试的效率和准确率，确保测试后软件的可靠性。

Description

基于可传递关联矩阵的实体属性定量处理方法

技术领域

本发明涉及一种基于可传递关联矩阵的实体属性定量处理方法，能对软件测试实体的测试属性值向量进行优化处理，属于软件测试技术领域。

背景技术

据申请人所知，在软件测试技术中，将测试过程中涉及的所有测试对象称为测试实体，将所有能描述测试实体特性的参数称为测试属性。在测试实体的测试属性中，能通过关联关系影响其它测试属性的称为可传递测试属性，否则称为非传递测试属性。根据传递关系划分，作为传递起源的属性或实体称为上行节点，作为传递目标的属性或实体称为下行节点。测试实体的测试属性还包括：在无事件激活条件下基于某工作机制向其它实体属性提供信息支撑的空源节点，只响应由其它实体属性传递过来的信息且无下行节点的终节点，以及软件测试活动的入口节点和出口节点，其中，空源节点和入口节点可归类于没有上行节点的节点，终节点和出口节点可归类于没有下行节点的节点。

目前，面向测试实体测试属性的处理方法的核心思想为基于统计的二次运算策略，该策略以统计分析测试实体的测试属性所得结果为基础，采用Markov模型、多准则判定以及多维度测试覆盖率对前述统计结果进行二次分析，获得用以指导软件测试的实体测试属性向量，从而实现对测试实体测试属性的处理。

然而，现有的实体属性处理方法在处理时只考虑了各测试属性之间的一步关联性和各层次实体自身的测试属性值，并未考虑各测试属性在测试实体中的影响传递关系。这一缺陷导致现有实体属性处理方法所得实体测试属性向量对实体属性值的描述仍然不够准确，不利于提高软件测试的效率和准确率。

发明内容

本发明所要解决的技术问题是：针对现有技术存在的问题，提供一种基于可传递关联矩阵的实体属性定量处理方法，所得实体测试属性向量能准确描述实体属性值，利于提高软件测试的效率和准确率，确保测试后软件的可靠性。

本发明的技术构思如下：申请人认为，作为描述实体属性值的参数，与各层次实体自身的测试属性值相比，测试实体各测试属性之间的关联关系及其影响传递关系更能准确反映实体的实际特征。申请人经深入实践研究后终于得出以可传递关联矩阵融合上述关联关系和影响传递关系的实体属性定量处理方法。

本发明解决其技术问题的技术方案如下：

一种基于可传递关联矩阵的实体属性定量处理方法，其特征是，包括以下步骤：

第一步、系统初始化：以测试实体的各测试属性组成测试属性集e，并以各测试属性的测试属性值组成测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T，n为测试属性的数量；同时设置测试迭代阈值ξ；转至第二步；

第二步、构建矩阵：根据各测试属性之间的关联关系设置可传递测试属性关联矩阵R；由所述可传递测试属性关联矩阵R运算得出测试实体可传递属性转换矩阵T；转至第三步；

第三步、扩展矩阵：设置虚拟实体，所述虚拟实体的测试属性值为w(e)₀；将测试实体中无上行节点的各测试属性的上行节点设置为所述虚拟实体，并将测试实体中无下行节点的各测试属性的下行节点也设置为所述虚拟实体；将测试实体的测试属性向量w(e)_n×1与虚拟实体的测试属性值w(e)₀结合、并扩展为测试属性向量

同时将所述测试实体可传递属性转换矩阵T扩展为 $T_{(n+1)\×(n+1)}^{\′}={\left(\begin{array}{cc}\left(\begin{array}{cc}T& c_{n*1}\end{array}\right)& \left(\begin{array}{cc}{r}_{1*n}& 0\end{array}\right)\end{array}\right)}^T;$ 转至第四步；

第四步、迭代处理：按公式

对测试属性向量w'(e)_(n+1)×1进行迭代处理，其中，

为第k次迭代后测试属性值向量，且令 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(0\right)}=w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}$ ；当 $|w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}-w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(k\right)}|<\mathrm{\&xi;}$ 时，迭代处理结束，并得到迭代处理后测试属性值向量 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}={(w^{\&prime;}\left(e_1\right),w^{\&prime;}\left(e_2\right),...,w^{\&prime;}\left(e_n\right),w^{\&prime;}\left(e_{n+1}\right))}^T;$ 转至第五步；

第五步、归一化处理：设w^(T)(e)_n×1=(w^(T)(e₁),w^(T)(e₂),...,w^(T)(e_n))^T为归一化测试属性值向量，其中 $w^{\left(T\right)}\left(e_i\right)=\frac{w^{\&prime;}\left(e_i\right)\&times;w\left(e_i\right)}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[w^{\&prime;}\left(e_j\right)\&times;w\left(e_j\right)]},i\&Element;\{\mathrm{1,2},...,n\},j\&Element;\{\mathrm{1,2},...,n\};$ 所述w^(T)(e)_n×1即为实体属性定量处理所得测试属性值向量；实体属性定量处理结束。

本发明进一步完善的技术方案如下：

优选地，第一步的具体过程为：设置测试实体的测试属性集e=[e₁,e₂,...,e_n]、测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T、测试迭代阈值ξ，其中n为测试属性的数量，即n=|e|，w(e₁),w(e₂),...,w(e_n)分别为测试属性e₁,e₂,...,e_n的测试属性值；转至第二步。

优选地，第二步的具体过程为：令可传递测试属性关联矩阵R=(r_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若存在测试属性e_i指向测试属性e_j的关联，则令r_ij=|e_i→e_j|，否则令r_ij=0；令测试属性ei的可传递属性下行关联度

令测试实体可传递属性转换矩阵T=(t_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若out_i>0，则令t_ij=r_ij/out_i，否则令t_ij=0；转至第三步。

优选地，第三步中，所述测试实体中无上行节点的各测试属性包括空源节点和入口节点；所述测试实体中无下行节点的各测试属性包括终节点和出口节点。

与现有技术相比，本发明的有益效果如下：

本发明通过构建可传递测试属性关联矩阵和测试实体可传递属性转换矩阵，有效地实现了各关联测试属性之间的权重流动，进而将测试实体各测试属性之间的关联关系及其影响传递关系有机融入实体测试属性处理过程，这样不仅能使实体属性处理方法更加符合目标测试实体的实际构建方式和处理流程，还可使所得实体测试属性向量对实体属性值的描述更加准确，以该实体测试属性向量指导软件测试，无疑能够提高软件测试的效率和准确率，并确保测试后软件的可靠性。本发明方法特别适用于构建方式和处理流程比较复杂的测试实体。

附图说明

图1为本发明实施例方法的主体流程图。

图2为本发明应用案例中各测试属性原始可传递关联关系图。

图3为本发明应用案例中基于虚拟实体的可传递关联关系图。

具体实施方式

下面参照附图并结合实施例对本发明作进一步详细描述。但是本发明不限于所给出的例子。

实施例

如图1所示，本实施例基于可传递关联矩阵的实体属性定量处理方法，包括以下步骤：

第一步、系统初始化：以测试实体的各测试属性组成测试属性集e，并以各测试属性的测试属性值组成测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T，n为测试属性的数量；同时设置测试迭代阈值ξ；转至第二步；

具体过程为：设置测试实体的测试属性集e=[e₁,e₂,...,e_n]、测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T、测试迭代阈值ξ，其中n为测试属性的数量，即n=|e|，w(e₁),w(e₂),...,w(e_n)分别为测试属性e₁,e₂,...,e_n的测试属性值；转至第二步。

第二步、构建矩阵：根据各测试属性之间的关联关系设置可传递测试属性关联矩阵R；由所述可传递测试属性关联矩阵R运算得出测试实体可传递属性转换矩阵T；转至第三步；

具体过程为：令可传递测试属性关联矩阵R=(r_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若存在测试属性e_i指向测试属性e_j的关联，则令r_ij=|e_i→e_j|（即e_i指向e_j的关联的数量），否则令r_ij=0；令测试属性ei的可传递属性下行关联度

令测试实体可传递属性转换矩阵T=(t_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若out_i>0，则令t_ij=r_ij/out_i，否则令t_ij=0；转至第三步。

第三步、扩展矩阵：设置虚拟实体，所述虚拟实体的测试属性值为w(e)₀；将测试实体中无上行节点的各测试属性的上行节点设置为该虚拟实体，并将测试实体中无下行节点的各测试属性的下行节点也设置为该虚拟实体；将测试实体的测试属性向量w(e)_n×1与虚拟实体的测试属性值w(e)₀结合、并扩展为测试属性向量

同时将所述测试实体可传递属性转换矩阵T扩展为 $T_{(n+1)\&times;(n+1)}^{\&prime;}={\left(\begin{array}{cc}\left(\begin{array}{cc}T& c_{n*1}\end{array}\right)& \left(\begin{array}{cc}{r}_{1*n}& 0\end{array}\right)\end{array}\right)}^T;$ 转至第四步；

其中，测试实体中无上行节点的各测试属性包括空源节点和入口节点；测试实体中无下行节点的各测试属性包括终节点和出口节点。

第四步、迭代处理：按公式

对测试属性向量w'(e)_(n+1)×1进行迭代处理，其中，

为第k次迭代后测试属性值向量，且令 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(0\right)}=w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1};$ 当 $|w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}-w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(k\right)}|<\mathrm{\&xi;}$ 时，迭代处理结束，并得到迭代处理后测试属性值向量 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}={(w^{\&prime;}\left(e_1\right),w^{\&prime;}\left(e_2\right),...,w^{\&prime;}\left(e_n\right),w^{\&prime;}\left(e_{n+1}\right))}^T;$ 转至第五步。

第五步、归一化处理：设w^(T)(e)_n×1=(w^(T)(e₁),w^(T)(e₂),...,w^(T)(e_n))^T为归一化测试属性值向量，其中 $w^{\left(T\right)}\left(e_i\right)=\frac{w^{\&prime;}\left(e_i\right)\&times;w\left(e_i\right)}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[w^{\&prime;}\left(e_j\right)\&times;w\left(e_j\right)]},i\&Element;\{\mathrm{1,2},...,n\},j\&Element;\{\mathrm{1,2},...,n\};$ 所述w^(T)(e)_n×1即为实体属性定量处理所得测试属性值向量；实体属性定量处理结束。

应用案例：

某实例场景涉及6个测试属性，各测试属性的测试属性值为1，其相互之间的原始可传递关联关系如图2所示，图中标记1至6的圆形表示各测试属性。采用本实施例方法进行处理。

（1）第一步、系统初始化：

令e=[e₁,e₂,...,e₆]，w(e)_6×1=(w(e₁),w(e₂),...,w(e₆))^T=(1,1,...,1)^T，n=6，ξ=0.0001。转至第二步。

（2）第二步、构建矩阵：根据各测试属性之间的关联关系设置可传递测试属性关联矩阵R：

$R=\left(\begin{array}{cccccc}0& 1& 0& 0& 0& 0\\ 0& 0& 0& 1& 1& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 0\end{array}\right);$

由此关联矩阵R可得，各测试属性的可传递属性下行关联度：

对于测试属性e₁，out₁=1；对于测试属性e₂，out₂=2；对于测试属性e₃，out₃=1；对于测试属性e₄，out₄=1；对于测试属性e₅，out₅=1；对于测试属性e₆，out₆=0；

由此可得测试实体可传递属性转换矩阵T：

$T=\left[\begin{array}{cccccc}0& 1& 0& 0& 0& 0\\ 0& 0& 0& 1/2& 1/2& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 0\end{array}\right];$

转至第三步。

（3）第三步、扩展矩阵：设置测试属性值为1的虚拟实体，并将无上行节点的各测试属性的上行节点设置为该虚拟实体，将测试实体中无下行节点的各测试属性的下行节点也设置为该虚拟实体，这样形成的可传递关联关系如图3所示，图中标记0的圆形为虚拟实体。

扩展后的测试属性向量w'(e)_7×1=(1,1,1,1,1,1,1)^T，按

得扩展后的测试实体可传递属性转换矩阵：

$T_{7\&times;7}^{\&prime;}=\left[\begin{array}{ccccccc}0& 1& 0& 0& 0& 0& 0\\ 0& 0& 0& 1/2& 1/2& 0& 0\\ 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 0& 0& 1\\ 1/2& 0& 1/2& 0& 0& 0& 0\end{array}\right];$

转至第四步。

（4）第四步、迭代处理：令

为迭代起始向量，并按公式

对测试属性值向量w'(e)_7×1进行迭代处理；

第1次迭代，因 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(0\right)}={\left(\mathrm{1,1,1,1,1,1,1}\right)}^T,$ 则迭代后得： $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(1\right)}=[\mathrm{0.5,1.0,0.5},$ ${\mathrm{1.5,0.5,2.0,1.0},]}^T,$ 且此时有 $|w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(1\right)}-w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(0\right)}|=1.41421>0.0001$ 故继续进行迭代处理；

第2次迭代，因 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(1\right)}={\left[\mathrm{0.5,1.0,0.5,1.5,0.5,2.0,1.0}\right]}^T,$ 则迭代后得： $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(2\right)}={[\mathrm{0.5,0.5,0.5,1.0,0.5,2.0,2.0},]}^T,$ 且此时有 $|w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(2\right)}-w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(1\right)}|=1.22474>0.0001,$ 故继续进行迭代处理；

…

第120次迭代，因 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(119\right)}=[\mathrm{0.77767,0.77812,0.77767,1.16714},$ ${\mathrm{0.38902,1.55552,1.55487}]}^T,$ 则迭代后得： $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(120\right)}=[\mathrm{0.77743,0.77767},$ ${\mathrm{0.77743,1.16673,0.38906,1.55616,1.55552}]}^T,$ 且此时有 $|w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(120\right)}-w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(119\right)}|=0.00114>0.0001,$ 故继续进行迭代处理；

…

第161次迭代，因 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(160\right)}=[0.77775,\mathrm{0.77775,0.77775,1.16665},$ ${\mathrm{0.38890,1.55560,1.55558}]}^T,$ 则迭代后得： $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(161\right)}=[\mathrm{0.77779,0.77775},$ ${\mathrm{0.77779,1.16662,0.38888,1.55556,1.55560}]}^T,$ 且此时有 $|w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(161\right)}-w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(160\right)}|=0.00009<0.0001,$ 故迭代处理结束；

得到迭代处理后测试属性值向量 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(161\right)}={(w^{\&prime;}\left(e_1\right),w^{\&prime;}\left(e_2\right),...,w^{\&prime;}\left(e_6\right),w^{\&prime;}\left(e_7\right))}^T=$ ${\left[\mathrm{0.77779,0.77775,0.77779,1.16662,0.38888,1.55556,1.55560}\right]}^T.$

转至第五步。

（5）第五步、归一化处理：设 $w^{\left(T\right)}{\left(e\right)}_{6\&times;1}={(w^{\left(T\right)}\left(e_1\right),w^{\left(T\right)}\left(e_2\right),...,w^{\left(T\right)}\left(e_6\right))}^T$ 为归一化测试属性值向量，其中 $w^{\left(T\right)}\left(e_i\right)=\frac{w^{\&prime;}\left(e_i\right)\&times;w\left(e_i\right)}{\underset{j=1}{\overset{6}{\mathrm{\&Sigma;}}}[w^{\&prime;}\left(e_j\right)\&times;w\left(e_j\right)]},i\&Element;\{\mathrm{1,2},...,6\},j\&Element;\{\mathrm{1,2},...,6\};$ 结合第四步所得 $w^{\&prime;}{\left(e\right)}_{7\&times;1}^{\left(161\right)},$ 可算得： $w^{\left(T\right)}{\left(e_i\right)}_{6\&times;1}=[\mathrm{0.1429,0.1429,0.1429,0.2143},$

此即本应用案例经实体属性定量处理所得测试属性值向量；实体属性定量处理结束。

至此即完成基于可传递关联矩阵的实体属性定量处理，有效地实现了各关联测试属性之间的权重流动，进而将测试实体各测试属性之间的关联关系及其影响传递关系有机融入实体测试属性处理过程。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (4)

1.一种基于可传递关联矩阵的实体属性定量处理方法，其特征是，包括以下步骤：

第一步、系统初始化：以测试实体的各测试属性组成测试属性集e，并以各测试属性的测试属性值组成测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T，n为测试属性的数量；同时设置测试迭代阈值ξ；转至第二步；

第二步、构建矩阵：根据各测试属性之间的关联关系设置可传递测试属性关联矩阵R；由所述可传递测试属性关联矩阵R运算得出测试实体可传递属性转换矩阵T；转至第三步；

第三步、扩展矩阵：设置虚拟实体，所述虚拟实体的测试属性值为w(e)₀；将测试实体中无上行节点的各测试属性的上行节点设置为所述虚拟实体，并将测试实体中无下行节点的各测试属性的下行节点也设置为所述虚拟实体；将测试实体的测试属性向量w(e)_n×1与虚拟实体的测试属性值w(e)₀结合、并扩展为测试属性向量同时将所述测试实体可传递属性转换矩阵T扩展为 $T_{(n+1)\&times;(n+1)}^{\&prime;}={\left(\begin{array}{cc}\left(\begin{array}{cc}T& c_{n*1}\end{array}\right)& \left(\begin{array}{cc}{r}_{1*n}& 0\end{array}\right)\end{array}\right)}^T;$ 转至第四步；

第四步、迭代处理：按公式

对测试属性向量w'(e)_(n+1)×1进行迭代处理，其中，

为第k次迭代后测试属性值向量，且令 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(0\right)}=w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1};$ 当 $|w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}-w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{\left(k\right)}|<\mathrm{\&xi;}$ 时，迭代处理结束，并得到迭代处理后测试属性值向量 $w^{\&prime;}{\left(e\right)}_{(n+1)\&times;1}^{(k+1)}={(w^{\&prime;}\left(e_1\right),w^{\&prime;}\left(e_2\right),...,w^{\&prime;}\left(e_n\right),w^{\&prime;}\left(e_{n+1}\right))}^T;$ 转至第五步；

第五步、归一化处理：设w^(T)(e)_n×1=(w^(T)(e₁),w^(T)(e₂),...,w^(T)(e_n))^T为归一化测试属性值向量，其中 $w^{\left(T\right)}\left(e_i\right)=\frac{w^{\&prime;}\left(e_i\right)\&times;w\left(e_i\right)}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}[w^{\&prime;}\left(e_j\right)\&times;w\left(e_j\right)]},i\&Element;\{\mathrm{1,2},...,n\},j\&Element;\{\mathrm{1,2},...,n\};$ 所述w^(T)(e)_n×1即为实体属性定量处理所得测试属性值向量；实体属性定量处理结束。

2.根据权利要求1所述基于可传递关联矩阵的实体属性定量处理方法，其特征是，第一步的具体过程为：设置测试实体的测试属性集e=[e₁,e₂,...,e_n]、测试属性向量w(e)_n×1=(w(e₁),w(e₂),...,w(e_n))^T、测试迭代阈值ξ，其中n为测试属性的数量，即n=|e|，w(e₁),w(e₂),...,w(e_n)分别为测试属性e₁,e₂,...,e_n的测试属性值；转至第二步。

3.根据权利要求1所述基于可传递关联矩阵的实体属性定量处理方法，其特征是，第二步的具体过程为：令可传递测试属性关联矩阵R=(r_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若存在测试属性e_i指向测试属性e_j的关联，则令r_ij=|e_i→e_j|，否则令r_ij=0；令测试属性e_i的可传递属性下行关联度令测试实体可传递属性转换矩阵T=(t_ij)_n×n，i∈{1,2,...,n}，j∈{1,2,...,n}；若out_i>0，则令t_ij=r_ij/out_i，否则令t_ij=0；转至第三步。

4.根据权利要求1所述基于可传递关联矩阵的实体属性定量处理方法，其特征是，第三步中，所述测试实体中无上行节点的各测试属性包括空源节点和入口节点；所述测试实体中无下行节点的各测试属性包括终节点和出口节点。

Images