CN109976995A - 用于测试的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于测试的方法和装置。该方法的一具体实施方式包括：接收终端发送的测试请求，其中，测试请求包括待测试对象的描述信息，描述信息包括待测试对象的标识信息；根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息；将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；基于所得到的测试结果，生成测试报告。该方式提高了测试效率。

Description

用于测试的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于测试的方法和装置。

背景技术

现有的测试技术，通常是利用测试工具按照测试方案和流程对产品进行功能、安全性能、可靠性能等多方面的测试。通常，根据不同的测试产品需要采用不同的测试工具，同时设计测试系统以及测试方案。在对产品执行测试后，通常需要对产品的功能、性能等进行评估。

发明内容

本申请实施例提出了用于测试的方法和装置。

第一方面，本申请实施例提供了一种用于测试的方法，该方法包括：接收终端发送的测试请求，其中，测试请求包括待测试对象的描述信息，描述信息包括待测试对象的标识信息；根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息；将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；基于所得到的测试结果，生成测试报告。

在一些实施例中，描述信息包括以下至少一种类型：语音类型、文字类型、图像类型，测试模型包括语音测试模型、文字测试模型以及图像测试模型；以及将描述信息以及待测试对象的待测试数据信息输入至测试模型中，包括：确定描述信息的类别；将描述信息按照类别以及待测试数据信息输入至类别对应的测试模型中，其中，语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

在一些实施例中，语音测试模型通过以下步骤训练得到：获取第一训练对象样本集合和第一初始模型，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果；将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对第一初始模型进行训练，得到语音测试模型。

在一些实施例中，文字测试模型通过以下步骤训练得到：获取第二训练对象样本集合和第二初始模型，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果；将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对第二初始模型进行训练，得到文字测试模型。

在一些实施例中，图像测试模型通过以下步骤训练得到：获取第三训练对象样本集合和第三初始模型，第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果；将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对第三初始模型进行训练，得到图像测试模型。

第二方面，本申请实施例提供了一种用于测试的装置，该装置包括：接收单元，配置用于接收终端发送的测试请求，其中，测试请求包括待测试对象的描述信息，描述信息包括待测试对象的标识信息；获取单元，配置用于根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息；测试结果获得单元，配置用于将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；生成单元，配置用于基于所得到的测试结果，生成测试报告。

在一些实施例中，描述信息包括以下至少一种类型：语音类型、文字类型、图像类型，测试模型包括语音测试模型、文字测试模型以及图像测试模型；以及测试结果获得单元配置进一步用于：确定描述信息的类别；将描述信息按照类别以及待测试数据信息输入至类别对应的测试模型中，其中，语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

在一些实施例中，装置还包括语音测试模型训练单元，配置用于：获取第一训练对象样本集合和第一初始模型，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果；将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对第一初始模型进行训练，得到语音测试模型。

在一些实施例中，装置还包括文字测试模型训练单元，配置用于：获取第二训练对象样本集合和第二初始模型，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果；将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对第二初始模型进行训练，得到文字测试模型。

在一些实施例中，装置还包括图像测试模型训练单元，配置用于：获取第三训练对象样本集合和第三初始模型，第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果；将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对第三初始模型进行训练，得到图像测试模型。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于测试的方法和装置，通过将接收到的终端发送的包含有标识信息以及特征信息的待测试对象的描述信息进行解析后，获得待测试对象的待测试数据信息，而后将待测试数据信息以及描述信息输入至测试模型中，得到待测试对象的测试结果，从而提高了测试效率。

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，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于测试的方法的一个实施例的流程图；

图3是根据本申请的用于测试的方法的一个应用场景的示意图；

图4是根据本申请的用于测试的方法的又一个实施例的流程图；

图5是根据本申请的用于测试的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于测试的方法或用于测试的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件、可以发送测试请求的应用等。

终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的测试请求进行支持的后台服务器。后台服务器可以将接收到的测试请求进行各种测试后生成测试报告并发送给终端设备。

需要说明的是，本申请实施例所提供的用于测试的方法一般由服务器105执行，相应地，用于测试的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于测试的方法的一个实施例的流程200。该用于测试的方法，包括以下步骤：

步骤201，接收终端发送的测试请求。

在本实施例中，用于测试的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收终端发送的测试请求。在这里，该测试请求通常可以包括应用类测试请求，可以包括算法类测试请求。测试请求可以为安全测试请求。例如，上述测试请求可以为测试某应用是否存在漏洞、是否存在病毒、木马等的请求，也可以为测试某一应用或算法是否可以正常运行的请求。

在本实施例中，上述测试请求包括待测试对象的描述信息。待测试对象例如可以为上述应用、算法等。该待测试对象的描述信息通常可以包括该待测试对象的特征信息，该特征信息例如可以为该测试对象的运行环境、待测试对象的内部结构等。作为示例，当某一待测试对象为应用时，该待测试对象的运行环境可以为待测试对象所基于的系统平台，例如安卓系统平台、Windows系统平台、IOS系统平台等。

在本实施例中，上述待测试对象还包括待测试对象的标识信息。在这里，该标识信息可以为某一应用或算法所具有的标识的信息。例如，当该测试对象为应用时，该标识信息可以为待测试对象的商标以及该应用的存储地址的标识、网络协议等。当该测试对象为数据报文时，该标识信息可以为数据报文的报文头信息，该报文头中存储有用于存储数据报文的地址的信息。

在本实施例中，该测试请求可以通过语音、文字以及图像的形式进行发送。当该测试请求通过语音形式发送时，上述电子设备可以对语音进行识别，从而分别得到上述待测试对象的特征信息以及待测试对象的标识信息。待该测试请求通过文字发送时，上述电子设备可以利用自然语言处理对上述文字进行识别，从而分别得到上述待测试对象的特征信息以及待测试对象的标识信息。当该测试请求通过图像形式发送时，上述电子设备可以通过OCR(Optical Character Recognition，光学字符识别)技术可以对图像的内容进行识别，从而分别得到上述待测试对象的特征信息以及标识信息。

步骤202，根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息。

在本实施例中，根据步骤201确定的待测试对象的标识信息，本步骤可以根据待测试对象的标识信息来确定待测试对象所在的地址。通常，该地址可以为该待测试对象的存储路径信息。通过确定待测试对象的地址，可以查找到该待测试对象，从而可以获取到待测试对象的待测试数据信息。

在本实施例中，该待测试对象既可以存储在本地，也可以通过有线或无线网络获取。当该待测试对象存储在本地时，上述电子设备可以通过待测试对象的标识查找存储路径，从而可以获取到待测试对象的数据信息。当该待测试对象通过网络获取时，可以通过网络协议地址，直接得到待测试对象的待测试数据信息；也可以通过网络协议地址获取到待测试对象后，将待测试对象下载到本地，从而得到待测试对象的数据信息。

在本实施例中，上述待测试对象的待测试数据信息通常可以包括预先设置的容易产生安全漏洞的信息，也可以为容易外部植入代码从而使得隐私泄露的数据信息，也可以为待测试对象的测试脚本信息。

步骤203，将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果。

在本实施例中，根据步骤201获取到的描述信息以及步骤202获取到的待测试数据信息，上述电子设备可以将描述信息和待测试数据信息输入至测试模型中，从而得到测试结果。

在本实施例中，上述测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系。在这里，该测试结果可以为一个数值，该数值可以用于确定上述待测试对象中是否存在漏洞、是否运行良好等。上述测试模型可以输出多个数值，每一个数值代表不同的特征。在这里，该特征可以为表示漏洞的特征，可以为表示运行是否良好的特征等。

作为一种示例，上述电子设备可以为存储有描述信息、待测试数据信息以及与测试结果之间的对应关系的对应关系表，并将该对应关系表作为测试模型。这样，上述电子设备可以将获取到的待测试对象的描述信息与待测试数据信息与上述对应关系表中的描述信息和待测试数据信息一一进行比较，若待测试对象的描述信息与待测试数据信息与该对应关系表中的描述信息或待测试数据信息相同或相似，则将该对应关系表中与待测试对象的描述信息和待测试数据信息相同或相似的测试结果作为待测试对象的测试结果。

步骤204，基于所得到的测试结果，生成测试报告。

在本实施例中，根据步骤203所得到的测试结果，上述电子设备可以生成测试报告。作为示例，可以根据测试模型输出的多个测试结果的值，将该测试结果的值与预设阈值进行比较，确定测试模型输出的测试结果中用于表征特征的数值是否大于预设阈值。并根据判断结果来确定上述测试报告。这里，上述特征可以为一个特征，也可以为多个特征。作为示例，在测试结果中，上述表示漏洞的特征的数值大于预设阈值时，说明该待测试对象中存在漏洞，从而生成的测试报告中可以包括待测试对象存在漏洞的内容。

继续参考图3，图3是根据本实施例的用于测试的方法的应用场景的一个示意图。在图3的应用场景中，服务器303首先接收终端301发送的测试请求302。在这里，测试请求302包括待测试对象的描述信息304。描述信息304又包括标识信息305以及特征信息。接着，服务器303可以根据特征信息305确定待测试对象的地址，该地址例如可以为路径、存储位置等，从而获取待测试对象的待测试数据信息306。该待测试数据信息306可以为待测试对象的脚本信息、待测试对象的程序信息等。然后，服务器303将描述信息304以及待测试数据信息306输入至测试模型307，从而得到测试结果308。最后，服务器303可以根据测试结果308生成测试报告309。

本申请实施例提供的用于测试的方法和装置，通过将接收到的终端发送的包含有标识信息以及特征信息的待测试对象的描述信息进行解析后，获得待测试对象的待测试数据信息，而后将待测试数据信息以及描述信息输入至测试模型中，得到待测试对象的测试结果，从而提高了测试效率。

进一步参考图4，其示出了用于测试的方法的又一个实施例的流程400。该用于测试的方法的流程400，包括以下步骤：

步骤401，接收终端发送的测试请求。

在本实施例中，用于测试的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收终端发送的测试请求。在这里，该测试请求通常可以包括应用类测试请求，可以包括算法类测试请求。测试请求可以为安全测试请求。

步骤402，根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息。

在本实施例中，根据步骤201确定的待测试对象的标识信息，本步骤可以根据待测试对象的标识信息来确定待测试对象所在的地址。通常，该地址可以为该待测试对象的存储路径信息。通过确定待测试对象的地址，可以查找到该待测试对象，从而可以获取到待测试对象的待测试数据信息。

步骤403，确定描述信息的类型。

在本实施例中，根据步骤401接收到的描述信息，上述电子设备可以确定描述信息的类型。在这里，上述电子设备可以接收三种类型的描述信息，分别为语音类型、文字类型和图像类型。其中，上述描述信息可以用其中一种类型、两种类型或三种类型来输入描述信息。例如，上述描述信息可以为文字类型和图像类型的组合，也可以为语音类型与文字类型的组合等。

步骤404，将描述信息按照类别以及待测试数据信息输入至类别对应的测试模型中。

在本实施例中，上述测试模型可以包括语音测试模型、文字测试模型以及图像测试模型。当上述电子设备接收到步骤403所确定的描述信息的类型后，可以将描述信息按照类别输入至与该类别对应的测试模型中，同时输入至测试模型中的还有待测试对象的测试数据信息。在这里，上述描述信息按照其所包含的类别不同可以划分为多个信息片段，上述电子设备可以将各信息片段分别输入至与其对应的测试模型中。在这里，上述语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

作为示例，当上述描述信息均为语音类型的信息时，可以将描述信息以及待测试数据输入至语音测试模型中；当上述描述信息均为文字类型的信息时，可以将描述信息以及待测试数据输入至文字测试模型中；当上述描述信息均为图像类型的信息时，可以将描述信息以及待测试数据输入至图像测试模型中。

作为示例，当上述描述信息为文字类型与图像类型的组合信息时，上述电子设备可以确定与文字类型对应的待测试数据以及与图像类型对应的待测试数据，同时将上述描述信息的文字类型部分以及与其对应的待测试数据输入至文字测试模型中，将上述描述信息的图像类型部分以及与图像类型对应的待测试数据输入至图像测试模型中。在这里，与各类别对应的待测试数据可以包括待测试数据的全部内容，也可以包括解析过的内容。

在本实施例中，当上述描述信息的类型包含语音类型时，上述语音测试模型用于表征描述信息的语音部分以及语音部分对应的待测试数据与测试结果之间的对应关系。作为一种示例，上述电子设备可以设置有存储有语音信息、待测试数据信息以及与测试结果之间的对应关系的对应关系表，并将该对应关系表作为测试模型。这样，上述电子设备可以将获取到的待测试对象的描述信息的语音部分与待测试数据信息与上述对应关系表中的语音信息和待测试数据信息一一进行比较，若待测试对象的描述信息与待测试数据信息与该对应关系表中的语音信息或待测试数据信息相同或相似，则将该对应关系表中与待测试对象的描述信息的语音部分和待测试数据信息相同或相似的测试结果作为待测试对象的测试结果。

在本实施例中，当上述描述信息的类型包含文字类型时，上述文字测试模型用于表征描述信息的文字部分以及与文字部分对应的待测试数据与测试结果之间的对应关系。作为一种示例，上述电子设备可以设置有存储有文字信息、待测试数据信息以及与测试结果之间的对应关系的对应关系表，并将该对应关系表作为文字测试模型。

在本实施例中，当上述描述信息的类型包含图像类型时，上述图像测试模型用于表征描述信息的图像部分以及与图像部分对应的待测试数据与测试结果之间的对应关系。作为一种示例，上述电子设备中可以设置有存储有图像信息、待测试数据信息以及与测试结果之间的对应关系的对应关系表，并将该对应关系表作为图像测试模型。

在本实施例的一些可选的实现方式中，上述语音测试模型还可以通过以下步骤训练得到：

首先，获取第一训练对象样本结合和第一初始模型。该第一训练样本集合中包含有多个第一训练对象样本，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果。该第一初始模型可以为隐马尔可夫模型(Hidden Markov Model，HMM)。HMM模型为1970年普林斯顿大学的Lenny Baum发明的模型，其被广泛应用在语音识别领域。隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。接着，将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对所述第一初始模型进行训练，得到语音测试模型。这里，上述电子设备可以将每一个语音描述信息以及与语音描述信息对应的待测试数据信息从第一初始模型的输入侧输入，依次经过第一初始模型的各层参数的处理，并从第一初始模型的输出侧输出，输出侧输出的信息即为该待测试对象的测试结果。

在本实施例的一些可选的实现方式中，上述文字测试模型还可以通过以下步骤训练得到：

首先，获取第二训练对象样本集合和第二初始模型。上述第二训练样本集合包括多个第二训练对象样本，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果。上述第二初始模型可以为隐马尔可夫模型或自然语言处理模型等。自然语言处理模型为现有的公知技术，在此不再赘述。接着，将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对第二初始模型进行训练，得到文字测试模型。这里，上述电子设备可以将每一个文字描述信息以及与文字描述信息对应的待测试数据信息从第二初始模型的输入侧输入，依次经过第二初始模型的各层参数的处理，并从第二初始模型的输出侧输出，输出侧输出的信息即为该待测试对象的测试结果。

在本实施例的一些可选的实现方式中，上述测试模型还可以通过以下步骤训练得到：

首先，获取第三训练对象样本集合和第三初始模型。该第三训练样本集合中包含多个第三训练对象样本。第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果。上述第三初始模型可以为卷积神经网络模型。卷积神经网络模型为现有的公知技术，在此不再赘述。接着，将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对第三初始模型进行训练，得到图像测试模型。这里，上述电子设备可以将每一个图像描述信息以及与图像描述信息对应的待测试数据信息从第三初始模型的输入侧输入，依次经过第三初始模型的各层参数的处理，并从第三初始模型的输出侧输出，输出侧输出的信息即为该待测试对象的测试结果。

步骤405，基于所得到的测试结果，生成测试报告。

在本实施例中，上述电子设备可以根据步骤404中所得到的测试结果来生成测试报告。

当上述描述信息包括至少两种类别时，将该两种类别对应的测试模型输出的测试结果进行比较，确定各测试结果中是否包含有相同或相似的参数值。当上述各测试结果中不包含相同或相似的参数值时，可以将各测试结果所对应的内容生成测试报告。当上述各测试结果中包含相同或相似的参数值时，可以对每一个类别的测试模型中的该参数值设置权重值，并对该相同或相似的参数进行加权求和，从而得到该相同或相似的参数值的测试结果，并根据各测试结果生成测试报告。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了对特征信息的类型进行了更加详细的分类，从而可以通过多种输入形式对待测试对象进行测试，从而丰富了待测试对象的种类。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于测试的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于测试的装置500包括：接收单元501、获取单元502、测试结果获得单元503以及生成单元504。其中，接收单元501配置用于接收终端发送的测试请求，其中，测试请求包括待测试对象的描述信息，描述信息包括待测试对象的标识信息；获取单元502配置用于根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息；测试结果获得单元503配置用于将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；而生成单元504配置用于基于所得到的测试结果，生成测试报告。

在本实施例中，用于测试的装置500中：接收单元501、获取单元502、测试结果获得单元503以及生成单元504具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，描述信息包括以下至少一种类型：语音类型、文字类型、图像类型，测试模型包括语音测试模型、文字测试模型以及图像测试模型；以及测试结果获得单元配置进一步用于：确定描述信息的类别；将描述信息按照类别以及待测试数据信息输入至类别对应的测试模型中，其中，语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

在本实施例的一些可选的实现方式中，装置还包括语音测试模型训练单元，配置用于：获取第一训练对象样本集合和第一初始模型，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果；将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对第一初始模型进行训练，得到语音测试模型。

在本实施例的一些可选的实现方式中，装置还包括文字测试模型训练单元，配置用于：获取第二训练对象样本集合和第二初始模型，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果；将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对第二初始模型进行训练，得到文字测试模型。

在本实施例的一些可选的实现方式中，装置还包括图像测试模型训练单元，配置用于：获取第三训练对象样本集合和第三初始模型，第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果；将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对第三初始模型进行训练，得到图像测试模型。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分606加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。

以下部件连接至I/O接口605：包括硬盘等的存储部分606；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器608上，以便于从其上读出的计算机程序根据需要被安装入存储部分606。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分607从网络上被下载和安装，和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、获取单元、测试结果获得单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收终端发送的测试请求的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收终端发送的测试请求，其中，测试请求包括待测试对象的描述信息，描述信息包括待测试对象的标识信息；根据待测试对象的标识信息，确定待测试对象所在的地址，并获取待测试对象的待测试数据信息；将描述信息以及待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；基于所得到的测试结果，生成测试报告。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于测试的方法，包括：

接收终端发送的测试请求，其中，所述测试请求包括待测试对象的描述信息，所述描述信息包括所述待测试对象的标识信息；

根据所述待测试对象的标识信息，确定所述待测试对象所在的地址，并获取所述待测试对象的待测试数据信息；

将所述描述信息以及所述待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，所述测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；

基于所得到的测试结果，生成测试报告。

2.根据权利要求1所述的方法，其中，所述描述信息包括以下至少一种类型：语音类型、文字类型、图像类型，所述测试模型包括语音测试模型、文字测试模型以及图像测试模型；以及

所述将所述描述信息以及所述待测试对象的待测试数据信息输入至测试模型中，包括：

确定所述描述信息的类别；

将所述描述信息按照所述类别以及所述待测试数据信息输入至所述类别对应的测试模型中，其中，语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

3.根据权利要2所述的方法，其中，所述语音测试模型通过以下步骤训练得到：

获取第一训练对象样本集合和第一初始模型，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果；

将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对所述第一初始模型进行训练，得到语音测试模型。

4.根据权利要求2所述的方法，其中，所述文字测试模型通过以下步骤训练得到：

获取第二训练对象样本集合和第二初始模型，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果；

将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对所述第二初始模型进行训练，得到文字测试模型。

5.根据权利要求2所述的方法，其中，所述图像测试模型通过以下步骤训练得到：

获取第三训练对象样本集合和第三初始模型，第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果；

将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对所述第三初始模型进行训练，得到图像测试模型。

6.一种用于测试的装置，包括：

接收单元，配置用于接收终端发送的测试请求，其中，所述测试请求包括待测试对象的描述信息，所述描述信息包括所述待测试对象的标识信息；

获取单元，配置用于根据所述待测试对象的标识信息，确定所述待测试对象所在的地址，并获取所述待测试对象的待测试数据信息；

测试结果获得单元，配置用于将所述描述信息以及所述待测试对象的待测试数据信息输入至测试模型中，得到测试结果，其中，所述测试模型用于表征描述信息以及待测试数据信息与测试结果之间的对应关系；

生成单元，配置用于基于所得到的测试结果，生成测试报告。

7.根据权利要求6所述的装置，其中，所述描述信息包括以下至少一种类型：语音类型、文字类型、图像类型，所述测试模型包括语音测试模型、文字测试模型以及图像测试模型；以及

所述测试结果获得单元配置进一步用于：

确定所述描述信息的类别；

将所述描述信息按照所述类别以及所述待测试数据信息输入至所述类别对应的测试模型中，其中，语音信息输入至语音测试模型中，文字信息输入至文字测试模型中，图像信息输入至图像测试模型中。

8.根据权利要7所述的装置，其中，所述装置还包括语音测试模型训练单元，配置用于：

获取第一训练对象样本集合和第一初始模型，第一训练对象样本包括用于描述第一训练对象样本的特征的语音描述信息、待测试数据信息以及测试结果；

将语音描述信息以及与语音描述信息对应的待测试数据信息作为输入，与语音描述信息对应的测试结果作为输出，对所述第一初始模型进行训练，得到语音测试模型。

9.根据权利要求7所述的装置，其中，所述装置还包括文字测试模型训练单元，配置用于：

获取第二训练对象样本集合和第二初始模型，第二训练对象样本包括用于描述第二训练对象样本的特征的文字描述信息、待测试数据信息以及测试结果；

将文字描述信息以及与文字描述信息对应的待测试数据信息作为输入，与文字描述信息对应的测试结果作为输出，对所述第二初始模型进行训练，得到文字测试模型。

10.根据权利要求7所述的装置，其中，所述装置还包括图像测试模型训练单元，配置用于：

获取第三训练对象样本集合和第三初始模型，第三训练对象样本包括用于描述第三训练对象样本的特征的图像描述信息、待测试数据信息以及测试结果；

将图像描述信息以及与图像描述信息对应的待测试数据信息作为输入，与图像描述信息对应的测试结果作为输出，对所述第三初始模型进行训练，得到图像测试模型。

11.一种服务器，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。