CN109857661B - 一种基于大数据分析的智能生成测试用例的方法及系统 - Google Patents
一种基于大数据分析的智能生成测试用例的方法及系统 Download PDFInfo
- Publication number
- CN109857661B CN109857661B CN201910074439.1A CN201910074439A CN109857661B CN 109857661 B CN109857661 B CN 109857661B CN 201910074439 A CN201910074439 A CN 201910074439A CN 109857661 B CN109857661 B CN 109857661B
- Authority
- CN
- China
- Prior art keywords
- case
- attribute
- test
- item
- test case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于大数据分析的智能生成测试用例的方法及系统，所述智能生成测试用例的方法包括：步骤S1，录入已有测试项目并设置项目标签属性；步骤S2，录入已有测试用例并设置用例标签属性；步骤S3，建立需测试项目P的项目标签属性；步骤S4，选择需测试项目P的测试用例模块M；步骤S5，选择测试用例模块M的用例标签属性；步骤S6，根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合。本发明能够自动化生成测试用例，覆盖率高。
Description
技术领域
本发明涉及一种生成测试用例的方法，尤其涉及一种基于大数据分析的智能生成测试用例的方法，并涉及采用了该基于大数据分析的智能生成测试用例的方法的系统。
背景技术
在测试实施过程中，手工编写测试用例需要占用大量的人力成本，而且同一功能的测试用例，在执行步骤、前置条件和预期结果等上会有不同程度的相似的地方，这些重复性的工作是必须的但是又非常占用测试时间，而且每一个测试人员编写的测试用例格式和风格都不尽相同，这样的话，就会造成大量人力和物力的为自动化生成测试用例形成可能。
发明内容
本发明所要解决的技术问题是需要提供一种自动化生成测试用例以加速测试过程并提高测试覆盖率，能够减轻测试工作量，并且还能使测试文档内容统一适应性强的基于大数据分析的智能生成测试用例的方法，并进一步提供采用了该基于大数据分析的智能生成测试用例的方法的系统。
对此，本发明提供一种基于大数据分析的智能生成测试用例的方法，包括以下步骤：
步骤S1，录入已有测试项目并设置其项目标签属性；
步骤S2，录入已有测试用例并设置其用例标签属性；
步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；
步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；
步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；
步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；
步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；
步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；
步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。
本发明的进一步改进在于，已有测试项目的项目标签属性为{D1...Dn}，已有测试用例的用例标签属性为{E1...En}，测试用例模块M的项目标签属性为{C1...Cn}，测试用例模块M的用例标签属性为{A1..An}，n为用于表示标签数量的自然数，所述步骤S6包括以下子步骤：
步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性；
步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性；
步骤S603，依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；
步骤S604，依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性；
步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数。
本发明的进一步改进在于，所述步骤S7包括以下子步骤：
步骤S701，计算出用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}中每一个子集合的相关匹配度；
步骤S702，选取每一个子集合的相关匹配度中的最大值。
本发明的进一步改进在于，所述步骤S701中，通过公式A1*Cn*(Cn/(C1+C2+...Cn))％计算所述测试用例模块M的项目标签属性{C1...Cn}和用例标签属性{A1..An}之间的子集合A1(C1..Cn)的相关匹配度P((A1C1,A1C2,...A1Cn))；并以此类推，计算出子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))。
本发明的进一步改进在于，所述步骤S702中，选取每一个子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))的最大值。
本发明的进一步改进在于，所述步骤S8中，选取相关匹配度P((AnC1,AnC2,...AnCn))的最大的子集合元素作为测试用例模块M的测试用例集合{B1...Bn}，并将其写入数据库中。
本发明的进一步改进在于，当存在多个需测试项目进行操作时，重复所述步骤S4至步骤S7。
本发明的进一步改进在于，所述项目标签属性包括运营商、电商、金融以及O2O中的任意一种或几种。
本发明的进一步改进在于，所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理中的任意一种或几种。
本发明还提供一种基于大数据分析的智能生成测试用例的系统，采用了如上所述的基于大数据分析的智能生成测试用例的方法。
与现有技术相比，本发明的有益效果在于：能够对历史数据进行大数据分析，在需测试项目时，通过特定的算法在历史数据中进行匹配，并选出相关匹配度较高的用来作为测试用例模块M，进而自动化生成测试用例以加速测试过程并提高测试覆盖率，有效减轻了测试工作量，并且还能够使得测试文档内容统一和适应性强，自动化和智能化程度高，有效降低了人力和物理成本。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例的数据交互流程示意图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1和图2所示，本例提供一种基于大数据分析的智能生成测试用例的方法，包括以下步骤：
步骤S1，录入已有测试项目并设置其项目标签属性；
步骤S2，录入已有测试用例并设置其用例标签属性；
步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；
步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；
步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；
步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；
步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；
步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；
步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。
本例在步骤S1之前，优选先建立测试用例管理平台以控制测试用例的自动生成，并实现已有测试项目的信息录入；所述步骤S1中，录入已有测试项目并设置其项目标签属性，比如运营商、电商、金融以及O2O等，来得到项目标签属性{D1...Dn}，即所述项目标签属性包括运营商、电商、金融以及O2O中的任意一种或几种。所述步骤S2中，录入已有测试用例并设置其用例标签属性，比如小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理等，来得到用例标签属性{E1...En}，即所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理中的任意一种或几种。所述步骤S1的录入过程相当于是一个自学习的过程，对已有测试项目及其其项目标签属性进行了完整的自学习，以形成历史数据。
在所述步骤S1的录入已有测试项目并设置其项目标签属性的实现过程中，相当于把已有测试项目所对应的项目标签属性{D1...Dn}中的每一个项目标签属性的元素D1...Dn进行了大数据分析，并结合所述步骤S2的录入已有测试用例并设置其用例标签属性的实现，使得项目标签属性{D1...Dn}中的每一个项目标签属性的元素D1...Dn拥有对应的用例标签属性{E1...En}，这一点也可以通过大数据分析和整理来自动实现。同样的，所述步骤S2的录入过程也相当于是一个自学习的过程，对已有测试项目及其其用例标签属性进行了完整的自学习，以形成历史数据，n为自然数。
本例所述步骤S3建立需测试项目P的项目标签属性，比如运营商、电商、金融以及O2O等，来得到项目标签属性{C1...Cn}，并将其发送给服务器BS，在实际应用中，可以通过选择的方式选择其项目标签属性{C1...Cn}。本例所述步骤S3建立需测试项目P的项目标签属性的过程优选如下：步骤S301，进入测试用例管理平台；步骤S302，进入测试模块用例生成页面；步骤S303，勾选需要测试项目P的项目标签属性；步骤S304，点击确定按钮形成如下格式数据包{项目属性：C1..Cn}；当然，这个项目属性{C1..Cn}对应的格式数据包是可以预先定义的。
本例所述步骤S4根据所述项目标签属性{C1...Cn}将需测试项目P自动生成用例的测试用例模块M，自动生成用例的测试用例模块M的过程优选如下：步骤S401，进入测试用例管理平台；步骤S402，进入测试模块用例生成页面；步骤S403，勾选需要测试项目P的项目标签属性、点击确定按钮形成如下格式数据包，即项目属性{C1..Cn}；步骤S404，输入测试模块M的名称；步骤S405，点击确定按钮，将会组合如下的格式数据包，即{模块名称:M；项目属性：C1..Cn}。然后，将其发送给服务器BS，这个测试用例模块M的测试项目是固定的，即，选择好了所述步骤S3的项目标签属性{C1...Cn}之后，会自动根据历史数据中的项目标签属性{D1...Dn}进行测试用例模块M的建立，至于建立测试用例模块M的格式，则通过默认方式来实现，当然，也可以做成根据能够用户需求来进行调整和修改的测试用例模块。
本例所述步骤S5，将需测试项目P生成用例的测试用例模块M的用例标签属性，其实现过程优选如下：步骤S501，进入测试用例管理平台；进入测试模块用例生成页面；步骤S502，勾选需要测试项目P的项目标签属性；步骤S503，点击确定按钮形成如下格式数据包{项目属性：C1..Cn}；步骤S504，输入测试模块M的名称；步骤S505，点击确定按钮，将会组合如下格式数据包{模块名称:M；项目属性：C1..Cn})；步骤S506，勾选测试用例模块M的用例标签属性；步骤S507，点击确定按钮，将会组合成如下格式数据包{模块名称：M；项目属性：C1..Cn；用例属性:A1..An}。然后，所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理等，进而得到用例标签属性{A1...An}，并将其发送给服务器BS。
本例已有测试项目的项目标签属性为{D1...Dn}，已有测试用例的用例标签属性为{E1...En}，测试用例模块M的项目标签属性为{C1...Cn}，测试用例模块M的用例标签属性为{A1..An}，n为用于表示标签数量的自然数，本例所述步骤S6包括以下子步骤：
步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性；
步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性；
步骤S603，依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；
步骤S604，依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性；
步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数。
也就是说，本例所述步骤S601和步骤S603属于顺序连接的子步骤，所述步骤S602和步骤S604属于顺序连接的子步骤；所述步骤S601和所述步骤S602可以是并行运行的子步骤，也可以是有先后顺序运动的子步骤。
本例Ax表示用例标签属性{A1..An}；Ax按照x为自然数原则分别代表A1、A2、A3.....An。所述步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性的具体过程优选为：步骤S6011，用例数据库存在项目标签属性字段、标题字段、描述字段等{D1..Dn}；步骤S6012，后台检索服务将项目标签属性C1作为检索关键字；步骤S6013，检索服务根据项目标签属性C1的关键字，检索数据库中的项目标签属性字段、标题字段、描述字段等{D1...Dn}；步骤S6014，形成项目标签属性C1的项目标签属性集合。
本例所述步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性的具体过程优选为：步骤S6021，用例数据库存在用例标签属性字段、标题字段、描述字段等{E1...En}；步骤S6022，后台检索服务将用例标签属性A1作为检索关键字；步骤S6023，检索服务根据用例标签属性A1关键字，检索数据库中的项目标签属性字段、标题字段、描述字段等{E1..En}；步骤S6024，形成用例标签属性A1的用例标签属性集合。
本例所述步骤S603中，根据步骤S601的实现过程依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；步骤S604中，根据步骤S602的实现过程依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性。
本例所述步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数，具体过程优选为：以用例标签属性A1和项目标签属性C1为例，步骤S6051，获得步骤S601形成了M模块的项目标签属性集合{C1..Cn}；步骤S6052，获得步骤S602形成了M模块的用例标签属性集合{A1..An}；步骤S6053，从项目标签属性集合{C1..Cn}中检索抽取项目标签属性C1的项目标签属性集合，从中检索存在用例标签属性A1属性的集合，得到集合C1A1；步骤S6054，从用例标签属性集合{A1..An}中检索抽取用例标签属性A1的集合，从中检索存在项目标签属性C1属性的集合，得到集合A1C1；步骤S6055，将集合C1A1、集合A1C1，根据∪Ax(C1..Cn)以用例标签属性A1为主属性将集合C1A1与集合A1C1混合重新排列组合得到新的A1C1集合，∪Ax(C1..Cn)的含义为以用例标签属性A1为主属性，然后根据用例标签属性Ax(x＝1)进行混合排列，混合排列后，新的A1C1集合就包括原本的集合A1C1和集合C1A1了；步骤S6056，依据步骤S6053至步骤S6055依次类推得到新的A1C2集合..A1Cn集合；步骤S6057，新的A1C2集合..A1Cn集合根据∪Ax(C1..Cn)最终得到A1(C1..Cn)；步骤S6058，依照步骤S6051至步骤S6057的方法，依次得到新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x＝1…n。
本例所述步骤S7包括以下子步骤：
步骤S701，计算出用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}中每一个子集合的相关匹配度；
步骤S702，选取每一个子集合的相关匹配度中的最大值。
本例所述步骤S701中，通过公式A1*Cn*(Cn/(C1+C2+...Cn))％计算所述测试用例模块M的项目标签属性{C1...Cn}和用例标签属性{A1..An}之间的子集合A1(C1..Cn)的相关匹配度P((A1C1,A1C2,...A1Cn))；并以此类推，计算出子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))。
本例所述步骤S702中，选取每一个子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))的最大值。
即，本例所述步骤S701根据相关匹配度算法P((A1C1,A1C2,...A1Cn)，P(A2C1,A2C2,...A2Cn)，…，P(AnC1,AnC2,...AnCn))来计算匹配度值，如下表所示。
| 用例标签属性 | 项目标签属性 | 权重 |
| A1 | C1 | C1/(C1+C2+..Cn)％ |
| A1 | C2 | C2/(C1+C2+..Cn)％ |
| .... | .... | .... |
| A1 | Cn | Cn/(C1+C2+..Cn)％ |
如子集合A1(A1C1)，根据A1*C1*(C1/(C1+C2+...Cn))％得出分值，依此算出子集合A1(A1C2)、…、A1(A1Cn)集合分值；比较A1(A1C1)、A1(A1C2)、…、A1(A1Cn)，并取其最大值作为子集合A1(C1..Cn)的相关匹配度P((A1C1,A1C2,...A1Cn))；
由上类推得出子集合A2(C1..Cn)、...、子集合An(C1..Cn)中每个子集合最大值作为其相关匹配度。
本例所述步骤S8中，选取相关匹配度P((AnC1,AnC2,...AnCn))的最大的子集合元素作为测试用例模块M的测试用例集合{B1...Bn}，具体优选为：以测试用例B1为例，步骤S801，获取所述步骤S702形成的匹配度高的子集合A1(C1..Cn)；步骤S802，根据相关匹配度P((AnC1,AnC2,...AnCn))的计算规则得到最大匹配值的集合，这个最大匹配值的集合可以是匹配度超过匹配度预设阈值的集合，将其对应为测试用例B1，所述匹配度预设阈值为预先设置的匹配度阈值，可以根据实际需要进行修改和调整；步骤S803，依照步骤S801至步骤S802的方法，依次得到测试用例Bn，并将其写入数据库中。
当存在多个需测试项目进行操作时，本例重复所述步骤S4至步骤S7，进而能够针对多个需测试项目进行智能生成测试用例，并返回给测试管理平台并展示。
本例还提供一种基于大数据分析的智能生成测试用例的系统，采用了如上所述的基于大数据分析的智能生成测试用例的方法。
综上所述，本例能够对历史数据进行大数据分析，在需测试项目时，通过特定的算法在历史数据中进行匹配，并选出相关匹配度较高的用来作为测试用例模块M，进而自动化生成测试用例以加速测试过程并提高测试覆盖率，有效减轻了测试工作量，并且还能够使得测试文档内容统一和适应性强，自动化和智能化程度高，有效降低了人力和物理成本。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (9)
1.一种基于大数据分析的智能生成测试用例的方法，其特征在于，包括以下步骤：
步骤S1，录入已有测试项目并设置其项目标签属性；
步骤S2，录入已有测试用例并设置其用例标签属性；
步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；
步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；
步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；
步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；
步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；
步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；
步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示；
已有测试项目的项目标签属性为{D1...Dn}，已有测试用例的用例标签属性为{E1...En}，测试用例模块M的项目标签属性为{C1...Cn}，测试用例模块M的用例标签属性为{A1..An}，n为用于表示标签数量的自然数，所述步骤S6包括以下子步骤：
步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性；
步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性；
步骤S603，依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；
步骤S604，依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性；
步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数。
2.根据权利要求1所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述步骤S7包括以下子步骤：
步骤S701，计算出用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}中每一个子集合的相关匹配度；
步骤S702，选取每一个子集合的相关匹配度中的最大值。
3.根据权利要求2所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述步骤S701中，通过公式A1*Cn*(Cn/(C1+C2+...Cn))％计算所述测试用例模块M的项目标签属性{C1...Cn}和用例标签属性{A1..An}之间的子集合A1(C1..Cn)的相关匹配度P((A1C1,A1C2,...A1Cn))；并以此类推，计算出子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))。
4.根据权利要求3所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述步骤S702中，选取每一个子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))的最大值。
5.根据权利要求4所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述步骤S8中，选取相关匹配度P((AnC1,AnC2,...AnCn))的最大的子集合元素作为测试用例模块M的测试用例集合{B1...Bn}，并将其写入数据库中。
6.根据权利要求1至5任意一项所述的基于大数据分析的智能生成测试用例的方法，其特征在于，当存在多个需测试项目进行操作时，重复所述步骤S4至步骤S7。
7.根据权利要求1至5任意一项所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述项目标签属性包括运营商、电商、金融以及O2O中的任意一种或几种。
8.根据权利要求1至5任意一项所述的基于大数据分析的智能生成测试用例的方法，其特征在于，所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理中的任意一种或几种。
9.一种基于大数据分析的智能生成测试用例的系统，其特征在于，采用了如权利要求1至8任意一项所述的基于大数据分析的智能生成测试用例的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910074439.1A CN109857661B (zh) | 2019-01-25 | 2019-01-25 | 一种基于大数据分析的智能生成测试用例的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910074439.1A CN109857661B (zh) | 2019-01-25 | 2019-01-25 | 一种基于大数据分析的智能生成测试用例的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109857661A CN109857661A (zh) | 2019-06-07 |
| CN109857661B true CN109857661B (zh) | 2022-04-26 |
Family
ID=66896231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910074439.1A Active CN109857661B (zh) | 2019-01-25 | 2019-01-25 | 一种基于大数据分析的智能生成测试用例的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109857661B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111930630B (zh) * | 2020-08-17 | 2024-01-05 | 电信科学技术第十研究所有限公司 | 基于数据流的大数据测试用例的生成方法及装置 |
| CN111930635B (zh) * | 2020-09-17 | 2021-06-29 | 深圳微品致远信息科技有限公司 | 基于swagger快速自动化测试的方法及系统 |
| CN113176997B (zh) * | 2021-04-30 | 2024-05-03 | 深圳市共进电子股份有限公司 | 测试用例加载方法、装置、计算机设备和可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104572449A (zh) * | 2014-12-23 | 2015-04-29 | 中国移动通信集团广东有限公司 | 一种基于用例库的自动化测试方法 |
| US10013340B1 (en) * | 2016-03-29 | 2018-07-03 | Amazon Technologies, Inc. | Testing in virtualized computing environments |
| CN108647355A (zh) * | 2018-05-16 | 2018-10-12 | 平安普惠企业管理有限公司 | 测试用例的展示方法、装置、设备及存储介质 |
| CN109144867A (zh) * | 2018-08-15 | 2019-01-04 | 优信拍（北京）信息科技有限公司 | 一种测试方法及测试系统 |
-
2019
- 2019-01-25 CN CN201910074439.1A patent/CN109857661B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104572449A (zh) * | 2014-12-23 | 2015-04-29 | 中国移动通信集团广东有限公司 | 一种基于用例库的自动化测试方法 |
| US10013340B1 (en) * | 2016-03-29 | 2018-07-03 | Amazon Technologies, Inc. | Testing in virtualized computing environments |
| CN108647355A (zh) * | 2018-05-16 | 2018-10-12 | 平安普惠企业管理有限公司 | 测试用例的展示方法、装置、设备及存储介质 |
| CN109144867A (zh) * | 2018-08-15 | 2019-01-04 | 优信拍（北京）信息科技有限公司 | 一种测试方法及测试系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109857661A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109857661B (zh) | 一种基于大数据分析的智能生成测试用例的方法及系统 | |
| CN108846126B (zh) | 关联问题聚合模型的生成、问答式聚合方法、装置及设备 | |
| US9256686B2 (en) | Using a bloom filter in a web analytics application | |
| Martinelli et al. | Measuring knowledge persistence: a genetic approach to patent citation networks | |
| CN111079022A (zh) | 基于联邦学习的个性化推荐方法、装置、设备及介质 | |
| CN107545000A (zh) | 基于知识图谱的信息推送方法及装置 | |
| JP2019519027A (ja) | 履歴ログからの学習と、ｅｔｌツール内のデータアセットに関するデータベースオペレーションの推奨 | |
| US20080154807A1 (en) | Confusion matrix for classification systems | |
| CN110659206A (zh) | 基于微服务的模拟架构建立方法、装置、介质及电子设备 | |
| CN105894183A (zh) | 项目评价方法及装置 | |
| CA2441406A1 (en) | Web page annotation systems | |
| CN111191012A (zh) | 知识图谱产生装置、方法及其计算机程序产品 | |
| US20170323316A1 (en) | Method for Documenting a Customer's Journey Using an Online Survey Platform | |
| CN107291582A (zh) | 基于标准大数据的智能化集成测试方法 | |
| Shaw et al. | Germinate 3: development of a common platform to support the distribution of experimental data on crop wild relatives | |
| CN116881430B (zh) | 一种产业链识别方法、装置、电子设备及可读存储介质 | |
| CN110532492A (zh) | 一种论坛数据管理分类系统及方法 | |
| CN106204053A (zh) | 信息类目错放识别方法和装置 | |
| CN105786941B (zh) | 一种信息挖掘方法和装置 | |
| CN104571804B (zh) | 一种对跨应用程序的文档界面进行关联的方法和系统 | |
| Wilke et al. | A metagenomics portal for a democratized sequencing world | |
| CN108764279B (zh) | 一种基于众包的图片分组采集系统 | |
| CN109146606B (zh) | 一种品牌推荐方法、电子设备、存储介质及系统 | |
| CN112671614B (zh) | 关联系统连通性测试方法、系统、装置及存储介质 | |
| CN109727674A (zh) | 一种基因检测报告的解读方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |