CN103914373B - 一种用于确定模块特征信息所对应的优先级的方法和设备 - Google Patents

Abstract

本发明的目的是提供一种用于确定模块特征信息所对应的优先级的方法和设备。具体地，获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。与现有技术相比，本发明通过根据待测软件的模块特征信息所对应的时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级，从而实现了在保证软件产品质量的同时，有效地提高软件测试效率。

Description

一种用于确定模块特征信息所对应的优先级的方法和设备

技术领域

本发明涉及软件测试技术领域，尤其涉及一种用于确定模块特征信息所对应的优先级的技术。

背景技术

在现有技术中，在对软件进行测试过程中，将每个测试用例均视为同等重要，没有对软件的各个功能点的优先级进行区分，影响了测试效率及测试效果，尤其当软件运行后，在对其进行测试的过程中，需要确定各功能点的优先级，以在保证软件产品质量的同时，有效地提高软件测试效率。

发明内容

本发明的目的是提供一种用于确定模块特征信息所对应的优先级的方法与设备。

根据本发明的一个方面，提供了一种用于确定模块特征信息所对应的优先级的方法，其中，该方法包括以下步骤：

a获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；

b根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；

c根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。

根据本发明的另一个方面，还提供了一种用于确定模块特征信息所对应的优先级的确定设备，其中，该确定设备包括：

获取装置，用于获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；

模糊聚类装置，用于根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；

优先级确定装置，用于根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。

根据本发明的还一个方面，还提供了一种计算机设备，其中，该计算机设备包括如前述根据本发明另一个方面的用于确定模块特征信息所对应的优先级的确定设备。

与现有技术相比，本发明通过根据待测软件的模块特征信息所对应的时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级，从而实现了在保证软件产品质量的同时，有效地提高软件测试效率。而且，本发明还可通过根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合样本聚类的类模块参数信息，从一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类，以确定所述目标软件的模块特征信息所对应的优先级，进而根据所述优先级，对所述目标软件的模块特征信息进行筛选处理，跟进一步有效地提高了软件测试效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出根据本发明一个方面的用于确定模块特征信息所对应的优先级的设备示意图；

图2示出根据本发明一个优选实施例的用于确定模块特征信息所对应的优先级的设备示意图；

图3示出根据本发明另一个方面的用于确定模块特征信息所对应的优先级的方法流程图；

图4示出根据本发明一个优选实施例的用于确定模块特征信息所对应的优先级的方法流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1示出根据本发明一个方面的用于确定模块特征信息所对应的优先级的确定设备1，其中，确定设备1包括获取装置11、模糊聚类装置12和优先级确定装置13。具体地，获取装置11获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；模糊聚类装置12根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；优先级确定装置13根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。在此，确定设备1包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。本领域技术人员应能理解上述确定设备1仅为举例，其他现有的或今后可能出现的网络设备如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

具体地，获取装置11通过诸如调用浏览器等第三方设备提供的待测软件的模块特征信息所对应的历史测试记录应用程序接口(API)、或者通过查询所述待测软件的模块特征信息的历史测试记录的测试结果数据库，获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息。在此，所述测试结果数据库可位于确定设备1中，还可位于与确定设备1通过网络相连的网络设备中，如服务器。在此，所述模块特征信息表示软件的各功能点(Function Point)，如字符串输入功能、按钮操作功能等。在此，所述时间维度样本信息表示软件运行后按一定周期对软件进行测试时根据软件运行结果由影响软件功能点的优先级安排的各影响因素结果组成的样本。在此，所述周期包括但不限于以天、周、月等时间单位。本领域技术人员应能理解上述时间维度样本信息仅为举例，其他现有的或今后可能出现的时间维度样本信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设待测软件sorftware1在运行后一段时间内某功能点的历史测试记录数据构成n个样本，每一样本具有m个特征，这些测试记录数据可表示为如集合X＝(x1，x2，...，xj，...，xn)，如以待测软件sorftware1在运行后第一周至第五周内其块特征信息如功能点FP1在每周最后一天的历史测试记录数据，有如下组织形式，如表1所示：

表1

表1示出待测软件sorftware1的4个样本历史测试记录数据，及每一样本具有4个特征，每个样本的所有特征构成待测软件sorftware1的时间维度样本信息。优选地，所述时间维度样本信息的数据组织形式除如表1所示之外，还可以矩阵的形式组织表示，如上述表1中的样本历史测试记录数据可表示为矩阵X＝(x_ij)，其中x_ij表示样本x_j的第i个特征。本领域技术人员应理解上述时间维度样本信息的数据组织形式仅为举例，其他现有的或今后可能出现的时间维度样本信息的数据组织形式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。则获取装置11可通过查询待测软件sorftware1的模块特征信息的历史测试记录的测试结果数据库，获取到待测软件sorftware1的模块特征信息所对应的一个或多个时间维度样本信息，如表2所示：

表2

本领域技术人员应理解上述获取时间维度样本信息的方式仅为举例，其他现有的或今后可能出现的获取时间维度样本信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

模糊聚类装置12根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。具体地，模糊聚类装置12还可首先对获取装置11获取的所述时间维度样本信息所对应的模块参数信息进行归一化处理；然后，再根据归一化后的所述模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。在此，所述模块参数信息表示所述时间维度样本信息的特征，其包括如应用特征信息如线上应用点击、程序特征信息如实际圈复杂度和单元测试覆盖率等、测试特征信息如单元测试发现BUG。本领域技术人员应理解上述模块参数信息仅为举例，其他现有的或今后可能出现的模块参数信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设，线上应用点击对应于上述表2中的特征1，单元测试覆盖率对应于上述表2中的特征2，实际圈复杂度对应于上述表2中的特征3，单元测试发现BUG对应于上述表2中的特征4，则模糊聚类装置12首先可采用以下公式(1)，对上述表2中的4个模块参数信息进行归一化处理：

其中，x_i，min、x_i，max表示同一个模块参数信息在不同时间维度样本信息x_j中的最小值、最大值，如对于上述表2中的特征1，x_i，min＝110，x_i，max＝104，则聚类装置12对如上述表2中的所述模块参数信息进行归一化处理后，得到对应的归一化值，如表3所示：

表3

然后，模糊聚类装置12根据所述模块参数信息的归一化值，如采用系统聚类法、模糊c-均值聚类法(FCM)、逐步聚类法等，对样本x1至x5进行模糊聚类处理，得到一个或多个样本聚类如①.包括样本x2和x3的样本聚类cluster1；②.包括样本x1和x4的样本聚类cluster2；③.包括样本x5的样本聚类cluster3。

优选地，模糊聚类装置12在对所述一个或多个时间维度样本信息进行模糊聚类处理的过程中，可采用迭代算法确定最优样本聚类。例如，假设将n个样本依据样本的m个特征，分为c类，其中，μ_hj表示样本j属于类别h的隶属度，h＝1，2，...，c，它满足以下公式(2)：

0＜μ_ij＜1，

①首先将满足上述公式(2)的约束条件的矩阵元素不全相等的初始模糊聚类矩阵U⁰＝(μ⁰ _hj)；②将初始模糊聚类矩阵U⁰＝(μ⁰ _hj)代入

以下迭代公式(3)，得到对应的初始模糊聚类中心矩阵

③将初始模糊聚类中心矩阵代入以下公式(4)得到第一近似模糊聚类矩阵U¹＝(μ¹ _hj)：

其中，在上述公式(3)和公式(4)中，w_i为根据不同特征的影响设置的权值向量，其可是预先设置的；④将第一近似模糊聚类矩阵U¹＝(μ¹ _hj)代入上述公式(3)，得到第一模糊聚类中心矩阵以此类推，可根据前后两次得到的模糊聚类矩阵如Uⁿ⁺¹＝(μⁿ⁺¹ _hj)与Uⁿ(μⁿ _hj)对应矩阵元素的最大差值的绝对值是否满足预定阈值如ξ₁，及前后两次得到的模糊聚类中心矩阵如Sⁿ⁺¹＝(sⁿ⁺¹ _ih)与Sⁿ＝(sⁿ _ih)对应矩阵元素的最大差值的绝对值是否满足预定阈值如ξ₂，若及同时满足，则停止迭代，得到最优模糊聚类矩阵U*和最优模糊聚类中心矩阵S*，即得到最优样本聚类。

本领域技术人员应理解上述对所述模块参数信息进行归一化处理的方式仅为举例，其他现有的或今后可能出现的对所述模块参数信息进行归一化处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述确定最优模糊聚类的方式仅为举例，其他现有的或今后可能出现的确定最优模糊聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，模糊聚类装置12还可根据所述时间维度样本信息所对应的模块参数信息，结合预定的样本分类信息，通过诸如模糊c-均值聚类法(FCM)、逐步聚类法，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。在此，所述预定的样本分类信息包括如高优先级类别、中优先级类别、低优先级类别等。例如，假设获取装置11获取的所述时间维度样本信息如上述表2所示，则模糊聚类装置12可首先对所述时间维度样本信息所对应的模块参数信息，运用上述公式(1)进行归一化处理，得到如上述表3所示的所述模块参数信息的归一化值，假设此时确定将如表3所示的时间维度样本信息划分为c个类别，则模糊聚类装置12可采用模糊c-均值聚类法(FCM)，使得所有样本到聚类中心的距离平方和最小，即使如下公式(5)所示的目标函数最小时的聚类结果：

若c＝3，即确定分为3类，则模糊聚类装置12对样本x1至x5进行模糊聚类处理，当上述公式(5)所示的目标函数达到最小值时得到3个样本聚类如：①高优先级聚类cluster1，其包括样本x2和x3；②中优先级聚类cluster2，其包括样本x1和x4；③低优先级聚类cluster3，其包括样本x5。

本领域技术人员应理解上述模糊聚类处理的方式仅为举例，其他现有的或今后可能出现的模糊聚类处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优先级确定装置13根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。具体地，优先级确定装置13可首先根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的聚类类别，如根据属于相同聚类的所述时间维度样本信息数量占总样本数量的比值，确定所述模块特征信息所对应的聚类类别；然后，根据所述聚类类别，确定所述优先级。例如，接上例，样本x1至x5中，有2个样本属于高优先级聚类，有2个样本属于中优先级聚类，而只有1个样本属于低优先级聚类，则优先级确定装置13可确定待测软件softwear1的功能点FP1的优先级为中优先级；再如，假设，模糊聚类装置12获得的所述样本聚类包括如：①高优先级聚类cluster1，其包括样本x2、x3和x5；②低优先级聚类cluster2，其包括样本x1和x4，因属于高优先级聚类的样本占总样本的数量的比值为0.6，大于预定阈值，则优先级确定装置13可确定待测软件softwear1的功能点FP1的优先级为高优先级。

优选地，优先级确定装置13还可首先根据所述时间维度样本信息隶属其所属的样本聚类的隶属度，确定所述模块特征信息所对应的优先级。例如，假设模糊聚类装置12根据上述公式(5)所示的目标函数达到最小值时得到3个样本聚类如：①高优先级聚类cluster1，其包括样本x2和x3；②中优先级聚类cluster2，其包括样本x1和x4；③低优先级聚类cluster3，其包括样本x5，假设样本x1至x5隶属其所属的样本聚类的隶属度分别为0.6、0.85、0.8、0.75、0.9，因样本x5隶属其所属的样本聚类的隶属度最大，而样本x5属于低优先级聚类，则优先级确定装置13可确定所述模块特征信息所对应的优先级为低优先级。

本领域技术人员应理解上述确定所述模块特征信息所对应的优先级的方式仅为举例，其他现有的或今后可能出现的确定所述模块特征信息所对应的优先级的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

确定设备1的各个装置之间是持续不断工作的。具体地，获取装置11持续获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；模糊聚类装置12持续根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；优先级确定装置13持续根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。在此，本领域技术人员应当理解“持续”是指确定设备1的各个装置分别不断地进行时间维度样本信息的获取、样本聚类的获得及优先级的确定，直至确定设备1在较长时间内停止目标关键词聚类的确定。

图2示出根据本发明一个优选实施例的用于确定模块特征信息所对应的优先级的设备示意图，其中，所述样本聚类包括用于表征所述样本聚类的类模块参数信息，其中，确定设备1包括获取装置11’、模糊聚类装置12’、优先级确定装置13’、目标聚类确定装置14、信息确定装置15’和筛选处理装置16’。具体地，获取装置11’获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；模糊聚类装置12’根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；优先级确定装置13’根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级；目标聚类确定装置14’根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类；信息确定装置15’根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级信息；筛选处理装置16’根据所述优先级信息，对所述目标软件的模块特征信息进行筛选处理。在此，获取装置11’、模糊聚类装置12’、优先级确定装置13’分别与图1所示实施例中对应装置的相同或相似，为简明起见，故此处不再赘述，并通过引用的方式包含于此。

具体地，目标聚类确定装置14’根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类。在此，目标聚类确定装置14’确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式包括但不限于以下至少任一项：

1)根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的距离信息，确定所述目标样本聚类。具体地，目标聚类确定装置14’可首先将目标软件的模块特征信息所对应的模块参数信息按上述公式(1)进行归一化处理，然后计算归一化后的模块参数信息与模糊聚类装置12’获得的每一个样本聚类所对应的所述类模块参数信息之间的距离信息；然后，在根据该距离信息，确定所述目标样本聚类。例如，假设目标软件goal software的模块特征信息EP2所对应的模块参数信息如下表4所示：

表4

则目标聚类确定装置14’可首先将所述目标软件的所述模块特征信息所对应的模块参数信息按上述公式(1)进行归一化处理，然后通过如下公式(6)计算归一化后的所述模块参数信息与所述类模块参数信息之间的距离信息：

其中，γ_j为目标软件的模块特征信息所对应的模块参数信息进行归一化后的所述时间维度样本信息，s_h为模糊聚类装置12’获得所述样本聚类的所述时间维度样本信息；然后，目标聚类确定装置14’可根据由公式(6)得到的距离信息，确定所述目标样本聚类，如目标聚类确定装置14’根据上述公式(6)计算分别计算γ_j与模糊聚类装置12’获得各个样本聚类的s_h，将距离小于预定阈值时所对应的所述样本聚类作为所述目标软件的样本所属的样本聚类，如以样本x1’为例，若样本x1’与样本聚类cluster1的类模块参数信息s1之间的距离最小，则目标聚类确定装置14’可确定样本x1’所属的样本聚类为cluster1；然后，目标聚类确定装置14’根据目标软件goal software的模块特征信息EP2的每一样本所属的样本聚类，来确定目标软件goal software的模块特征信息EP2所属的目标样本聚类，如将所有样本中占样本聚类总数量最多的样本聚类，作为所述目标样本聚类，如假设样本x2’所属的样本聚类为cluster1，样本x2’所属的样本聚类为cluster2，则目标聚类确定装置14’可确定目标软件goal software的模块特征信息EP2所属的目标样本聚类为cluster1。

2)根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的相关系数信息，确定所述目标样本聚类。具体地，目标聚类确定装置14’可首先将目标软件的模块特征信息所对应的模块参数信息按上述公式(1)进行归一化处理，然后计算归一化后的模块参数信息与模糊聚类装置12’获得的每一个样本聚类所对应的所述类模块参数信息之间的相关系数信息；然后，在根据该距离信息，确定所述目标样本聚类。例如，假设目标软件goal software的模块特征信息EP2所对应的模块参数信息如上述表4所示，则目标聚类确定装置14’可首先将所述目标软件的所述模块特征信息所对应的模块参数信息按上述公式(1)进行归一化处理，然后通过如下公式(7)计算归一化后的所述模块参数信息与所述类模块参数信息之间的相关系数信息：

其中，γ_j为目标软件的模块特征信息所对应的模块参数信息进行归一化后的所述时间维度样本信息，s_h为模糊聚类装置12’获得所述样本聚类的所述时间维度样本信息；然后，目标聚类确定装置14’可根据由公式(7)得到的相关系数信息，确定所述目标样本聚类，如目标聚类确定装置14’根据上述公式(7)计算分别计算γ_j与模糊聚类装置12’获得各个样本聚类的s_h，将相关系数大于预定阈值时所对应的所述样本聚类作为所述目标软件的样本所属的样本聚类，如以样本x1’为例，若样本x1’与样本聚类cluster1的类模块参数信息s1之间的相关系数信息最大，则目标聚类确定装置14’可确定样本x1’所属的样本聚类为cluster1；然后，目标聚类确定装置14’根据目标软件goal software的模块特征信息EP2的每一样本所属的样本聚类，来确定目标软件goal software的模块特征信息EP2所属的目标样本聚类，如将所有样本中占样本聚类总数量最多的样本聚类，作为所述目标样本聚类，如假设样本x2’所属的样本聚类为cluster1，样本x2’所属的样本聚类为cluster2，则目标聚类确定装置14’可确定目标软件goal software的模块特征信息EP2所属的目标样本聚类为cluster1。

本领域技术人员应理解上述确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式仅为举例，其他现有的或今后可能出现的确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应当理解，在具体实施例中，目标聚类确定装置14’与优先级确定装置13’可并行的执行，也可串行的执行。

信息确定装置15’根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级信息。在此，信息确定装置15’确定所述优先级信息的方式与图1中优先级确定装置13确定所述优先级的方式相同或相似，为简明起见，故此处不再赘述，并通过引用的方式包含于此。

本领域技术人员应当理解，在具体实施例中，信息确定装置15’和优先级确定装置13’可集成在一起，也可互相分离。

筛选处理装置16’根据所述优先级信息，对所述目标软件的模块特征信息进行筛选处理，如对优先级高的所述模块特征信息先执行测试处理。

图3示出根据本发明另一个方面的用于确定模块特征信息所对应的优先级的方法流程图。

具体地，在步骤S1中，确定设备1获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；在步骤S2中，确定设备1根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；在步骤S3中，确定设备1根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。在此，确定设备1包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。本领域技术人员应能理解上述确定设备1仅为举例，其他现有的或今后可能出现的网络设备如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

具体地，在步骤S1中，确定设备1通过诸如调用浏览器等第三方设备提供的待测软件的模块特征信息所对应的历史测试记录应用程序接口(API)、或者通过查询所述待测软件的模块特征信息的历史测试记录的测试结果数据库，获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息。在此，所述测试结果数据库可位于确定设备1中，还可位于与确定设备1通过网络相连的网络设备中，如服务器。在此，所述模块特征信息表示软件的各功能点(FunctionPoint)，如字符串输入功能、按钮操作功能等。在此，所述时间维度样本信息表示软件运行后按一定周期对软件进行测试时根据软件运行结果由影响软件功能点的优先级安排的各影响因素结果组成的样本。在此，所述周期包括但不限于以天、周、月等时间单位。本领域技术人员应能理解上述时间维度样本信息仅为举例，其他现有的或今后可能出现的时间维度样本信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设待测软件sorftware1在运行后一段时间内某功能点的历史测试记录数据构成n个样本，每一样本具有m个特征，这些测试记录数据可表示为如集合X＝(x1，x2，...，xj，...，xn)，如以待测软件sorftware1在运行后第一周至第五周内其块特征信息如功能点FP1在每周最后一天的历史测试记录数据，有如下组织形式，如表5所示：

表5

表5示出待测软件sorftware1的4个样本历史测试记录数据，及每一样本具有4个特征，每个样本的所有特征构成待测软件sorftware1的时间维度样本信息。优选地，所述时间维度样本信息的数据组织形式除如表5所示之外，还可以矩阵的形式组织表示，如上述表5中的样本历史测试记录数据可表示为矩阵X＝(x_ij)，其中x_ij表示样本x_j的第i个特征。本领域技术人员应理解上述时间维度样本信息的数据组织形式仅为举例，其他现有的或今后可能出现的时间维度样本信息的数据组织形式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。则在步骤S1中，确定设备1可通过查询待测软件sorftware1的模块特征信息的历史测试记录的测试结果数据库，获取到待测软件sorftware1的模块特征信息所对应的一个或多个时间维度样本信息，如表6所示：

表6

本领域技术人员应理解上述获取时间维度样本信息的方式仅为举例，其他现有的或今后可能出现的获取时间维度样本信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S2中，确定设备1根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。具体地，在步骤S2中，确定设备1还可首先对其在步骤S1中获取的所述时间维度样本信息所对应的模块参数信息进行归一化处理；然后，再根据归一化后的所述模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。在此，所述模块参数信息表示所述时间维度样本信息的特征，其包括如应用特征信息如线上应用点击、程序特征信息如实际圈复杂度和单元测试覆盖率等、测试特征信息如单元测试发现BUG。本领域技术人员应理解上述模块参数信息仅为举例，其他现有的或今后可能出现的模块参数信息如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

例如，假设，线上应用点击对应于上述表6中的特征1，单元测试覆盖率对应于上述表6中的特征2，实际圈复杂度对应于上述表5中的特征3，单元测试发现BUG对应于上述表6中的特征4，则在步骤S2中，确定设备1首先可采用以下公式(8)，对上述表6中的4个模块参数信息进行归一化处理：

其中，x_i，min、x_i，max表示同一个模块参数信息在不同时间维度样本信息x_j中的最小值、最大值，如对于上述表6中的特征1，x_i，min＝110，x_i，max＝104，则在步骤S2中，确定设备1对如上述表6中的所述模块参数信息进行归一化处理后，得到对应的归一化值，如表7所示：

表7

然后，在步骤S2中，确定设备1根据所述模块参数信息的归一化值，如采用系统聚类法、模糊c-均值聚类法(FCM)、逐步聚类法等，对样本x1至x5进行模糊聚类处理，得到一个或多个样本聚类如①.包括样本x2和x3的样本聚类cluster1；②.包括样本x1和x4的样本聚类cluster2；③.包括样本x5的样本聚类cluster3。

优选地，在步骤S2中，确定设备1在对所述一个或多个时间维度样本信息进行模糊聚类处理的过程中，可采用迭代算法确定最优样本聚类。例如，假设将n个样本依据样本的m个特征，分为c类，其中，μ_hj表示样本j属于类别h的隶属度，h＝1，2，...，c，它满足以下公式(9)：

0＜μ_hj＜1，

①首先将满足上述公式(9)的约束条件的矩阵元素不全相等的初始模糊聚类矩阵U⁰＝(μ⁰ _hj)；②将初始模糊聚类矩阵U⁰＝(μ⁰ _hj)代入以下迭代公式(10)，得到对应的初始模糊聚类中心矩阵

③将初始模糊聚类中心矩阵代入以下公式(11)得到第一近似模糊聚类矩阵U¹＝(μ¹ _hj)：

其中，在上述公式(10)和公式(11)中，w_i为根据不同特征的影响设置的权值向量，其可是预先设置的；④将第一近似模糊聚类矩阵U¹＝(μ¹ _hj)代入上述公式(3)，得到第一模糊聚类中心矩阵以此类推，可根据前后两次得到的模糊聚类矩阵如Uⁿ⁺¹＝(μⁿ⁺¹ _hj)与Uⁿ＝(μⁿ _hj)对应矩阵元素的最大差值的绝对值是否满足预定阈值如ξ₁，及前后两次得到的模糊聚类中心矩阵如Sⁿ⁺¹＝(sⁿ⁺¹ _ih)与Sⁿ＝(sⁿ _ih)对应矩阵元素的最大差值的绝对值是否满足预定阈值如ξ₂，若及同时满足，则停止迭代，得到最优模糊聚类矩阵U*和最优模糊聚类中心矩阵S*，即得到最优样本聚类。

本领域技术人员应理解上述对所述模块参数信息进行归一化处理的方式仅为举例，其他现有的或今后可能出现的对所述模块参数信息进行归一化处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应理解上述确定最优模糊聚类的方式仅为举例，其他现有的或今后可能出现的确定最优模糊聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

优选地，在步骤S2中，确定设备1还可根据所述时间维度样本信息所对应的模块参数信息，结合预定的样本分类信息，通过诸如模糊c-均值聚类法(FCM)、逐步聚类法，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。在此，所述预定的样本分类信息包括如高优先级类别、中优先级类别、低优先级类别等。例如，假设在步骤S1中，确定设备1获取的所述时间维度样本信息如上述表6所示，则在步骤S2中，确定设备1可首先对所述时间维度样本信息所对应的模块参数信息，运用上述公式(8)进行归一化处理，得到如上述表7所示的所述模块参数信息的归一化值，假设此时确定将如表7所示的时间维度样本信息划分为c个类别，则在步骤S2中，确定设备1可采用模糊c-均值聚类法(FCM)，使得所有样本到聚类中心的距离平方和最小，即使如下公式(12)所示的目标函数最小时的聚类结果：

若c＝3，即确定分为3类，则在步骤S2中，确定设备1对样本x1至x5进行模糊聚类处理，当上述公式(12)所示的目标函数达到最小值时得到3个样本聚类如：①高优先级聚类cluster1，其包括样本x2和x3；②中优先级聚类cluster2，其包括样本x1和x4；③低优先级聚类cluster3，其包括样本x5。

本领域技术人员应理解上述模糊聚类处理的方式仅为举例，其他现有的或今后可能出现的模糊聚类处理的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

在步骤S3中，确定设备1根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。具体地，在步骤S3中，确定设备1可首先根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的聚类类别，如根据属于相同聚类的所述时间维度样本信息数量占总样本数量的比值，确定所述模块特征信息所对应的聚类类别；然后，根据所述聚类类别，确定所述优先级。例如，接上例，样本x1至x5中，有2个样本属于高优先级聚类，有2个样本属于中优先级聚类，而只有1个样本属于低优先级聚类，则在步骤S3中，确定设备1可确定待测软件softwear1的功能点FP1的优先级为中优先级；再如，假设，模糊聚类装置12获得的所述样本聚类包括如：①高优先级聚类cluster1，其包括样本x2、x3和x5；②低优先级聚类cluster2，其包括样本x1和x4，因属于高优先级聚类的样本占总样本的数量的比值为0.6，大于预定阈值，则在步骤S3中，确定设备1可确定待测软件softwear1的功能点FP1的优先级为高优先级。

优选地，在步骤S3中，确定设备1还可首先根据所述时间维度样本信息隶属其所属的样本聚类的隶属度，确定所述模块特征信息所对应的优先级。例如，假设在步骤S2中，确定设备1根据上述公式(12)所示的目标函数达到最小值时得到3个样本聚类如：①高优先级聚类cluster1，其包括样本x2和x3；②中优先级聚类cluster2，其包括样本x1和x4；③低优先级聚类cluster3，其包括样本x5，假设样本x1至x5隶属其所属的样本聚类的隶属度分别为0.6、0.85、0.8、0.75、0.9，因样本x5隶属其所属的样本聚类的隶属度最大，而样本x5属于低优先级聚类，则在步骤S3中，确定设备1可确定所述模块特征信息所对应的优先级为低优先级。

本领域技术人员应理解上述确定所述模块特征信息所对应的优先级的方式仅为举例，其他现有的或今后可能出现的确定所述模块特征信息所对应的优先级的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

确定设备1的各个步骤之间是持续不断工作的。具体地，在步骤S1中，确定设备1持续获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；在步骤S2中，确定设备1持续根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；在步骤S3中，确定设备1持续根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。在此，本领域技术人员应当理解“持续”是指确定设备1的各个步骤分别不断地进行时间维度样本信息的获取、样本聚类的获得及优先级的确定，直至确定设备1在较长时间内停止目标关键词聚类的确定。

图4示出根据本发明一个优选实施例的用于确定模块特征信息所对应的优先级的方法流程图。

其中，确定设备1包括步骤S1’、步骤S2’、步骤S3’、步骤S4’、步骤S5’和步骤S6’。具体地，在步骤S1’中，确定设备1获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息；在步骤S2’中，确定设备1根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；在步骤S3’中，确定设备1根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级；在步骤S4’中，确定设备1根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类；在步骤S5’中，确定设备1根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级信息；在步骤S6’中，确定设备1根据所述优先级信息，对所述目标软件的模块特征信息进行筛选处理。在此，步骤S1’、步骤S2’、步骤S3’分别与图3所示实施例中对应步骤的相同或相似，为简明起见，故此处不再赘述，并通过引用的方式包含于此。

具体地，在步骤S4’中，确定设备1根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类。在此，在步骤S4’中，确定设备1确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式包括但不限于以下至少任一项：

1)根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的距离信息，确定所述目标样本聚类。具体地，在步骤S4’中，确定设备1可首先将目标软件的模块特征信息所对应的模块参数信息按上述公式(8)进行归一化处理，然后计算归一化后的模块参数信息与其在步骤S2’中获得的每一个样本聚类所对应的所述类模块参数信息之间的距离信息；然后，在根据该距离信息，确定所述目标样本聚类。例如，假设目标软件goal software的模块特征信息EP2所对应的模块参数信息如下表8所示：

表8

则在步骤S4’中，确定设备1可首先将所述目标软件的所述模块特征信息所对应的模块参数信息按上述公式(8)进行归一化处理，然后通过如下公式(13)计算归一化后的所述模块参数信息与所述类模块参数信息之间的距离信息：

其中，γ_j为目标软件的模块特征信息所对应的模块参数信息进行归一化后的所述时间维度样本信息，s_h为在步骤S2’中，确定设备1获得所述样本聚类的所述时间维度样本信息；然后，在步骤S4’中，确定设备1可根据由公式(13)得到的距离信息，确定所述目标样本聚类，如在步骤S4’中，确定设备1根据上述公式(13)计算分别计算γ_j与在步骤S2’中，确定设备1获得各个样本聚类的s_h，将距离小于预定阈值时所对应的所述样本聚类作为所述目标软件的样本所属的样本聚类，如以样本x1’为例，若样本x1’与样本聚类cluster1的类模块参数信息s1之间的距离最小，则在步骤S4’中，确定设备1可确定样本x1’所属的样本聚类为cluster1；然后，在步骤S4’中，确定设备1根据目标软件goalsoftware的模块特征信息EP2的每一样本所属的样本聚类，来确定目标软件goal software的模块特征信息EP2所属的目标样本聚类，如将所有样本中占样本聚类总数量最多的样本聚类，作为所述目标样本聚类，如假设样本x2’所属的样本聚类为cluster1，样本x2’所属的样本聚类为cluster2，则在步骤S4’中，确定设备1可确定目标软件goalsoftware的模块特征信息EP2所属的目标样本聚类为cluster1。

2)根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的相关系数信息，确定所述目标样本聚类。具体地，在步骤S4’中，确定设备1可首先将目标软件的模块特征信息所对应的模块参数信息按上述公式(8)进行归一化处理，然后计算归一化后的模块参数信息与在步骤S2’中，确定设备1获得的每一个样本聚类所对应的所述类模块参数信息之间的相关系数信息；然后，在根据该距离信息，确定所述目标样本聚类。例如，假设目标软件goalsoftware的模块特征信息EP2所对应的模块参数信息如上述表8所示，则在步骤S4’中，确定设备1可首先将所述目标软件的所述模块特征信息所对应的模块参数信息按上述公式(8)进行归一化处理，然后通过如下公式(14)计算归一化后的所述模块参数信息与所述类模块参数信息之间的相关系数信息：

其中，γ_j为目标软件的模块特征信息所对应的模块参数信息进行归一化后的所述时间维度样本信息，s_h为在步骤S2’中，确定设备1获得所述样本聚类的所述时间维度样本信息；然后，在步骤S4’中，确定设备1可根据由公式(14)得到的相关系数信息，确定所述目标样本聚类，如在步骤S4’中，确定设备1根据上述公式(14)计算分别计算γ_j与在步骤S2’中，确定设备1获得各个样本聚类的s_h，将相关系数大于预定阈值时所对应的所述样本聚类作为所述目标软件的样本所属的样本聚类，如以样本x1’为例，若样本x1’与样本聚类cluster1的类模块参数信息s1之间的相关系数信息最大，则在步骤S4’中，确定设备1可确定样本x1’所属的样本聚类为cluster1；然后，在步骤S4’中，确定设备1根据目标软件goalsoftware的模块特征信息EP2的每一样本所属的样本聚类，来确定目标软件goal software的模块特征信息EP2所属的目标样本聚类，如将所有样本中占样本聚类总数量最多的样本聚类，作为所述目标样本聚类，如假设样本x2’所属的样本聚类为cluster1，样本x2’所属的样本聚类为cluster2，则在步骤S4’中，确定设备1可确定目标软件goal software的模块特征信息EP2所属的目标样本聚类为cluster1。

本领域技术人员应理解上述确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式仅为举例，其他现有的或今后可能出现的确定所述目标软件的所述模块特征信息所属的目标样本聚类的方式如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应当理解，在具体实施例中，步骤S4’与步骤S3’可并行的执行，也可串行的执行。

在步骤S5’中，确定设备1根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级信息。在此，在步骤S5’中，确定设备1确定所述优先级信息的方式与图3中在步骤S3中，确定设备1确定所述优先级的方式相同或相似，为简明起见，故此处不再赘述，并通过引用的方式包含于此。

在步骤S6’中，确定设备1根据所述优先级信息，对所述目标软件的模块特征信息进行筛选处理，如对优先级高的所述模块特征信息先执行测试处理。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (13)

1.一种用于确定模块特征信息所对应的优先级的方法，其中，该方法包括以下步骤：

a获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息，其中，所述时间维度样本信息表示软件运行后按一定周期对软件进行测试时，根据软件运行结果由影响软件功能点的优先级安排的至少一个影响因素结果组成的样本；

b根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；

c根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。

2.根据权利要求1所述的方法，其中，所述步骤b包括：

-根据所述时间维度样本信息所对应的模块参数信息，结合预定的样本分类信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。

3.根据权利要求1或2所述的方法，其中，所述步骤c包括：

-根据所述时间维度样本信息隶属其所属的样本聚类的隶属度，确定所述模块特征信息所对应的优先级。

4.根据权利要求1或2所述的方法，其中，所述样本聚类包括用于表征所述样本聚类的类模块参数信息：

其中，该方法还包括：

x根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类；

-根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级；

-根据所述优先级，对所述目标软件的模块特征信息进行筛选处理。

5.根据权利要求4所述的方法，其中，所述步骤x包括：

-根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的距离信息，确定所述目标样本聚类。

6.根据权利要求4所述的方法，其中，所述步骤x包括：

-根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的相关系数信息，确定所述目标样本聚类。

7.一种用于确定模块特征信息所对应的优先级的确定设备，其中，该确定设备包括：

获取装置，用于获取待测软件的模块特征信息所对应的一个或多个时间维度样本信息，其中，所述时间维度样本信息表示软件运行后按一定周期对软件进行测试时，根据软件运行结果由影响软件功能点的优先级安排的至少一个影响因素结果组成的样本；

模糊聚类装置，用于根据所述时间维度样本信息所对应的模块参数信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类；

优先级确定装置，用于根据所述时间维度样本信息所属的样本聚类，确定所述模块特征信息所对应的优先级。

8.根据权利要求7所述的确定设备，其中，所述模糊聚类装置用于：

-根据所述时间维度样本信息所对应的模块参数信息，结合预定的样本分类信息，对所述一个或多个时间维度样本信息进行模糊聚类处理，以获得一个或多个样本聚类。

9.根据权利要求7或8所述的确定设备，其中，所述优先级确定装置用于：

-根据所述时间维度样本信息隶属其所属的样本聚类的隶属度，确定所述模块特征信息所对应的优先级。

10.根据权利要求7或8所述的确定设备，其中，所述样本聚类包括用于表征所述样本聚类的类模块参数信息：

其中，该确定设备还包括：

目标聚类确定装置，用于根据待测试的目标软件的模块特征信息所对应的模块参数信息，结合所述类模块参数信息，从所述一个或多个样本聚类中确定所述目标软件的所述模块特征信息所属的目标样本聚类；

信息确定装置，用于根据所述目标样本聚类，确定所述目标软件的模块特征信息所对应的优先级信息；

筛选处理装置，用于根据所述优先级信息，对所述目标软件的模块特征信息进行筛选处理。

11.根据权利要求10所述的确定设备，其中，所述目标聚类确定装置用于：

-根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的距离信息，确定所述目标样本聚类。

12.根据权利要求10所述的确定设备，其中，所述目标聚类确定装置用于：

-根据待测试的目标软件的模块特征信息所对应的模块参数信息与所述类模块参数信息之间的相关系数信息，确定所述目标样本聚类。

13.一种计算机设备，包括如权利要求7至12中任一项所述的确定设备。