CN110309047B - 一种测试点生成方法、装置及系统 - Google Patents
一种测试点生成方法、装置及系统 Download PDFInfo
- Publication number
- CN110309047B CN110309047B CN201910302562.4A CN201910302562A CN110309047B CN 110309047 B CN110309047 B CN 110309047B CN 201910302562 A CN201910302562 A CN 201910302562A CN 110309047 B CN110309047 B CN 110309047B
- Authority
- CN
- China
- Prior art keywords
- test
- items
- item
- business
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Abstract
本说明书实施例公开了一种测试点生成方法、装置及系统,所述方法包括获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。利用本说明书各实施例,可以进一步提高测试点确定的准确性。
Description
技术领域
本发明涉及计算机数据处理技术领域,特别地,涉及一种测试点生成方法、装置及系统。
背景技术
测试点的生成是软件测试工作的关键。现有的测试点生成工具,测试分析师输入测试项后,系统通常会生成全量的业务要素。由于每次任务的内容不同,在生成全量业务要素后,仍然需要测试分析师筛选本次需要的特定业务要素,再确定出测试点。
对于需求中业务场景的理解,测试点的提炼,都需要测试人员深刻理解测试项和业务场景的基础上完成。然而,人员自身的经验不易复制也能标准化,且经验丰富的测试分析师容易流失。这就导致测试分析筛选出的业务要素存在遗漏或者不准确等问题,使得最终确定的测试点难以达到项目要求。
发明内容
本说明书实施例的目的在于提供一种测试点生成方法、装置及系统,可以进一步提高测试点确定的准确性。
本说明书提供一种测试点生成方法、装置及系统是包括如下方式实现的:
一种测试点生成方法,包括:
获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
本说明书提供的所述方法的另一个实施例中,所述业务要素配置模型采用下述方式进行构建:
根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
本说明书提供的所述方法的另一个实施例中,所述提取测试项、需求项、测试项对应的控件类型以及输出的业务要素之后,还包括:
将提取的测试项、需求项进行标准化处理,相应的,所述根据测试项的控件类型对提取的测试项、需求项进行打标包括根据测试项的控件类型对标准化后的测试项、需求项进行打标。
本说明书提供的所述方法的另一个实施例中,所述方法还包括:
当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素;
将输入的符合要求的业务要素及所述待测试数据录入所述训练集,获得更新后的训练集;
相应的,基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
本说明书提供的所述方法的另一个实施例中,所述确定所述待测试数据的测试点,包括:
根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
另一方面,本说明书实施例还提供一种测试点生成装置,所述装置包括:
数据获取模块,用于获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
业务要素生成模块,用于将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
测试点生成模块,用于根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
本说明书提供的所述装置的另一个实施例中,所述装置还包括模型构建模块,所述模型构建模块包括:
数据提取单元,用于根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
训练集构建单元,用于根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
模型构建单元,用于将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
本说明书提供的所述装置的另一个实施例中,所述模型构建模块包括:
训练集更新单元,用于当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素,将输入的符合要求的业务要素及所述待测试数据录入所述训练集,获得更新后的训练集;
相应的,所述模型构建单元用于基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
本说明书提供的所述装置的另一个实施例中,所述装置还包括规则库构建模块,其中,
所述规则库构建模块,用于构建生成测试点的拼接规则库,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
相应的,所述测试点生成模块包括规则确定单元及测试点生成单元,其中,
所述规则确定单元用于根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则;
所述测试点生成单元用于根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
另一方面,本说明书实施例还提供一种测试点生成装置,所述装置包括输入端、业务要素配置模型、模型训练集、拼接规则库以及拼接模块,其中,
所述输入端用于输入标准化的测试项、需求项及测试项对应的控件类型;
所述模型训练集用于存储已经完成标准化的输入数据以及对应的业务要素;
所述业务要素配置模型用于根据所述模型训练集进行构建,并用于根据输入端输入的数据生成业务要素;
所述拼接规则库用于存储业务要素配置生成测试点的规则;
所述拼接模块用于根据生成的业务要素从拼接规则库中确定所述生成的业务要求对应的拼接规则,并利用确定的拼接规则对生成的业务要素及所述测试项、需求项进行配置,获得测试点。
另一方面,本说明书实施例还提供一种测试点生成设备,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
另一方面,本说明书实施例还提供一种测试点生成系统,所述数据处理系统包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个实施例所述方法的步骤。
本说明书一个或多个实施例提供的测试点生成方法、装置及系统,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,避免人工筛选业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书提供的一种测试点生成方法实施例的流程示意图;
图2为本说明书提供的另一种测试点生成方法实施例的流程示意图;
图3为本说明书提供的另一种测试点生成方法实施例的流程示意图;
图4为本说明书提供的一个实施例中的测试点生成流程示意图;
图5为本说明书提供的一种测试点生成装置实施例的模块结构示意图;
图6为本说明书提供的另一种测试点生成装置实施例的模块结构示意图;
图7为本说明书提供的另一种测试点生成装置实施例的模块结构示意图;
图8为根据本说明书的一个示例性实施例的服务器的示意结构图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是说明书一部分实施例,而不是全部的实施例。基于说明书一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书实施例方案保护的范围。
本说明书实施例中,测试项为某次测试的对象,业务要素为测试项的属性。相应的,测试点可以理解为针对测试项的某一业务要素进行测试的关键操作和预期结果的自然语言描述。测试点的生成通常需要根据业务需求和产品特点,识别测试项和对应需要测试的业务要素之后,使用语言描述编写成为测试点。
现有的测试点生成工具,测试分析师输入测试项后,系统通常会生成全量的业务要素,然后由测试分析师根据任务要求,从全量业务要素中筛选出本次需要的特定业务要素。进一步再根据筛选出的业务要素确定测试点。
因此,对于需求中测试点的提炼,都需要测试人员深刻理解测试项和业务场景的基础上完成。然而,人员自身的经验不易复制也不能标准化,这就导致了测试分析结果中,对确定的业务要素可能存在遗漏或者不准确等问题,使得最终确定的测试点难以达到项目要求。
相应的,本说明书实施例提供了一种测试点生成方法,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,避免人工筛选业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
图1是本说明书提供的所述一种测试点生成方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图1所示,本说明书提供的测试点生成方法的一个实施例中,所述方法可以包括:
S202:获取待测试数据,所述待测试数据包括测试项、需求项及所述测试项对应的控件类型。
所述测试项可以包括待测试的对象。所述业务要素可以包括测试项的属性。所述需求项可以为除测试项之外,测试时需要输入的预期结果、业务要素的具体值等等。
所述控件类型为测试项对应的控件的类型。如金融类软件对应的控件类型通常有输入框、下拉列表、账户类型、时间特征等等。不同控件类型的测试项的特点和需要测试的属性通常具有一定的特征,且具有一定的差异性。如,对于测试项类型“输入框”,其对应的业务要素可以有默认值、必输项、选输项、回显项、定长、变长等。通过基于测试项的控件类型对测试项进行分析,可以进一步提高测试项对应的业务要素确定的准确性及效率。
一些实施方式中,可以通过分析需求分析说明书和系统设计识别测试项以及其他系统需要的输入项、测试项对应的控件类型,获得待测试数据。
S204:将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述测试数据对应的业务要素。
所述业务要素配置模型可以根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得。
可以预先从历史数据中提取每次测试的测试项、需求项、业务要素及测试项的控件类型,然后,可以根据测试项的控件类型对测试项、需求项进行分类打标。可以利用机器学习的方法对分类打标后的测试项、需求项、业务要素进行学习训练,构建获得业务要素配置模型。
实际使用时,可以将步骤S2中获得的待测试数据中的测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,进行分析识别,确定该待测试数据所对应的业务要素。
如输入的测试项、测试项的控件类型及需求项分别为:“金额”、“输入框”、“初始状态”,通过业务要素配置模型后,系统会生成业务要素“必输项、选输项、回显项”作为输出。
图2表示本说明书提供的另一种测试点生成方法实施例流程示意图。如图2所示,本说明书的一个实施例中,所述方法还可以包括:
S200:构建业务要素配置模型。
一些实施方式中可以采用下述方式构建业务要素配置模型:
S2002:根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
S2004:根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
S2006:将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
可以预先收集大量已完成测试的历史数据,从历史数据中提取每次测试的测试项、需求项、测试项对应的控件类型、以及对应的业务要素。其中,测试项、需求项、测试项对应的控件类型可以通过分析输入的数据提取,每次测试对应的业务要素可以通过分析每次测试获得的测试点,从测试点中提取出来。
然后,可以对提取的测试项、需求项、以及对应的业务要素根据控件类型进行分类,并标记其对应的控件类型。根据分类并打标后的测试项、需求项及对应的业务要素构建获得训练集。
本说明书的一个实施例中,还可以将提取的测试项、需求项进行标准化处理,相应的,所述根据测试项的控件类型对提取的测试项、需求项进行打标可以包括根据测试项的控件类型对标准化后的测试项、需求项进行打标。
根据历史数据提取的测试项、需求项的数据形式较为复杂多样,从而严重影响了模型训练的准确性以及效率。本实施例中,通过进一步将提取的测试项、需求项的数据形式进行标准化处理,使得输入数据更为标准化、规范化,可以大幅度提高模型训练的准确性及效率。
一些实施场景中,如可以通过预先分析提取的测试项、需求项的数据特点,并结合实际应用场景,设定标准化的测试项、需求项。然后,将根据历史数据提取的测试项以及需求项与标准化的测试项、需求项进行比对,通过分析二者的相似度来确定提取的测试项以及需求项所对应的标准化的测试项、需求项,从而实现输入数据的标准化处理。
当然,具体实施时还可以采用其他的方式对提取的测试项、需求项进行标准化处理,这里不做限定。例如,还可以对提取的测试项、需求项采用聚类算法进行处理,将聚类后的各簇类的中心点作为标准化的测试项、需求项。然后,将各簇类中的其他数据替换为其中心点对应的数据,从而实现对提取的测试项、需求项的标准化处理。
然后,可以利用机器学习方法对训练集进行训练。可以将分类打标后的测试项、需求项作为输入数据、对应的业务要素作为输出数据,利用机器学习方法进行学习训练,获得业务要素配置模型。其中,机器学习方法编写框架如可以采用Paddle框架、ebrain框架等。
不同控件类型对应的测试项需要测试的属性不同,通过分析测试项对应的控件类型,可以更加快速及准确的确定测试项所对应的业务要素。模型训练时,通过将测试项以及需求项根据其对应的控件类型进行打标,然后再进行数据训练,可以提高利用最终获得的模型进行业务要素配置的准确性及效率。
具体实施场景中,可以将步骤S2中获得的待测试数据中的测试项、需求项根据测试项对应的控件类型进行打标。然后,将打标后的测试项、需求项输入业务要素配置模型中,输出测试项对应的业务要素。
本说明书的另一个实施例中,所述方法还可以包括:
当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素;
将输入的符合要求的业务要素及所述测试数据录入所述训练集,获得更新后的训练集;
相应的,基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
可以分析输出的业务要素是否符合业务需求,如果不符合,则可以手工添加符合需求的业务要素。然后,可以将修改完善后的业务要素,连同测试项、需求项根据测试项对应的控件类型进行打标后,输入上述训练集,获得更新后的训练集。
进一步的,可以基于更新后的训练集对业务要素配置模型进行训练优化,获得优化后的业务要素配置模型。以在后续实施场景中,利用优化后的业务要素配置模型进行业务要素的配置。
通过根据实际业务场景动态更新训练集,以及基于更新后的训练集动态优化业务要素配置模型,可以进一步提高业务要素确定的准确性。
S206:根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
测试点可以为测试项的业务要素的关键操作和预期结果的自然语言描述。可以根据步骤S4中获得业务要素,结合测试项、需求项编写对应的测试点,其中,需求项中包括了测试项的预期结果、业务要素的具体值等等。
图3表示本说明书提供的另一种测试点生成方法实施例的流程示意图,如图3所示,本说明书的一个实施例中,所述方法还可以包括:
S2062:根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
S2064:根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
每一个业务要素都有对应的关键操作,针对不同的业务要素,可以设置对应的关键操作拼接规则。所述拼接规则可以通过分析历史数据中的测试点,并可以结合测试分析师的经验,预先进行标准化设定。所述拼接规则可以是针对测试项的业务要素的操作和所得结果的简述。
实际业务场景中,可以根据测试项、需求项及对应的业务要素从拼接规则库中筛选确定出对应的拼接规则,然后,可以利用该拼接规则对所述测试项、需求项以及生成的业务要素进行配置,生成测试点语句。从而可以使得最终生成的测试点语句更加标准化,避免直接由测试分析师来根据业务要素编写测试点的不合理、不规范等问题。
图4表示本说明书提供的一个应用场景中的测试点生成流程示意图。如图4所示,可以通过web输入端,输入测试项、需求项及控件类型,然后,可以利用业务要素配置模型生成本次需要的业务要素。可以进一步针对模型输出产生的业务要素,从拼接规则库中确定出生成测试点的拼接规则,利用拼接规则生成测试点。
其中,业务要素配置模型及拼接规则库可以预先采用下述方式构建:
1.生成模型训练集。
可以根据已经积累的案例,即历史数据,提取出测试项、需求项、控件类型及业务要素,并对测试项、需求项标准化处理后,进行分类、打标,与业务要素一并作为训练数据录入模型训练集SQC1。
2.训练业务要素配置模型。
将模型训练集输入已经编写好的学习模型框架中,对其进行训练。输入学习模型时,将打标后的测试项、需求项作为学习模型的输入数据、对应的业务要素作为输出数据。通过训练获得实际业务场景中使用的业务要素配置模型。
3.构建拼接规则库。
作为模型输出的业务要素,不能直接作为测试点使用。而每一个业务要素都有对应的关键操作。针对不同的业务要素,可以根据历史数据及测试分析师的经验预先设置标准化的测试点拼接规则,并将设定好的拼接规则录入拼接规则库SQC2。
相应的,实际业务场景中的测试点生成如下:
4.输入测试项和需求项。
在模型的使用阶段,即测试分析阶段,可以根据业务需求和系统设计识别测试项、测试项的控件类型,和其他系统需要输入的需求项,如预期结果、业务要素的具体值等等。然后,可以将这些信息根据测试项的控件类型进行打标后,录入web输入端。
一些实施例中,还可以在web输入端将待输入的测试项、测试项的控件类型及需求项进行标准化输入。如可以在web输入端将预先标准化处理好的输入数据设计成可选择的下拉菜单等形式,实际业务场景中,在分析实际业务需求的基础上,在web输入端选择对应的测试项、测试项的控件类型及需求项,从而可以使得输入更为标准化。当然,若存在web输入端中没有的数据,也可以标准化后,添加至web输入端中,以逐步完善web输入端的标准化输入选择。
利用上述方式,可以使得输入更为标准化,提高利用模型确定业务要素的准确性,进而提高测试点确定的准确性及标准性。
5.利用模型,输出业务要素。
输入完成后,执行业务要素配置模型,模型输出业务要素。
6.生成测试点。
业务要素生成后,系统根据设置的拼接规则,生成测试点语句。
7.优化模型。
若在执行某个项目时,模型输出的测试分析结果不能满足要求,则需要人工输入满足要求的业务要素。并将该不能满足要求的条目作为例外数据,输入训练集,并对模型进行训练优化。
利用上述各个实施例提供的方案,可以有效解决实际测试点生成过程中的业务要素遗漏或者错选等问题,且进一步规范了输入输出的数据形式,提高了数据处理的准确性以及效率,并为测试点编写标准化提供了保障。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述,在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例提供的测试点生成方法,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,避免人工筛选业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
基于上述所述的测试点生成方法,本说明书一个或多个实施例还提供一种测试点生成装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。具体的,图5表示说明书提供的一种测试点生成装置实施例的模块结构示意图,如图5所示,所述装置可以包括:
数据获取模块102,可以用于获取待测试数据,所述测试数据包括测试项、需求项及测试项对应的控件类型;
业务要素生成模块104,可以用于将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
测试点生成模块106,可以用于根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
利用上述实施例的方案,可以更为准确高效的确定业务要素,进而准确高效的确定测试点。
图6为本说明书提供的另一种测试点生成装置实施例的模块结构示意图。如图6所示,本说明书的另一个实施例中,所述装置还可以包括模型构建模块100,所述模型构建模块100可以包括:
数据提取单元,可以用于根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
训练集构建单元,可以用于根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
模型构建单元,可以用于将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
本说明书的另一个实施例中,所述模型构建模块100还可以包括:
训练集更新单元,可以用于当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素,将输入的符合要求的业务要素及所述测试数据录入所述训练集,获得更新后的训练集。
相应的,所述模型构建单元可以用于基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
利用上述实施例的方案,可以进一步准确的确定业务要素。
如图6所示,本说明书的另一个实施例中,所述装置还可以包括规则库构建模块101,其中,
所述规则库构建模块101,可以用于构建生成测试点的拼接规则库,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
相应的,所述测试点生成模块106可以包括规则确定单元及测试点生成单元,其中,
所述规则确定单元可以用于根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则;
所述测试点生成单元可以用于根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
利用上述实施例的方案,可以进一步提高确定的测试点的标准化。
如图7所示,本说明书的另一个实施例中,还提供一种测试点生成装置,所述装置可以包括输入端、业务要素配置模型、模型训练集、拼接规则库以及拼接模块,其中,
所述输入端可以用于输入标准化的测试项、需求项及测试项对应的控件类型;
所述模型训练集可以用于存储已经完成标准化的输入数据以及对应的业务要素;
所述业务要素配置模型可以用于根据所述模型训练集进行构建,并用于根据输入端输入的数据生成本次需要的业务要素;
所述拼接规则库可以用于存储业务要素配置生成测试点的规则;
所述拼接模块可以用于根据生成的业务要素从拼接规则库中确定所述生成的业务要求对应的拼接规则,并利用确定的拼接规则对生成的业务要素及所述测试项、需求项进行配置,获得测试点。需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书一个或多个实施例提供的测试点生成装置,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,避免人工筛选业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。因此,本说明书还提供一种测试点生成设备,包括处理器及存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
获取待测试数据,所述测试数据包括测试项、需求项及测试项对应的控件类型;
将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
需要说明的,上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图8是应用本说明书实施例的测试点生成服务器的硬件结构框图。如图8所示,服务器10可以包括一个或多个(图中仅示出一个)处理器20(处理器20可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器30、以及用于通信功能的传输模块40。本邻域普通技术人员可以理解,图8所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图8中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图8所示不同的配置。
存储器30可用于存储应用软件的软件程序以及模块,如本发明实施例中的搜索方法对应的程序指令/模块,处理器20通过运行存储在存储器30内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器30可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器30可进一步包括相对于处理器20远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块40用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块40包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块40可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述实施例所述的测试点生成设备,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,避免人工筛选业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
本说明书还提供一种测试点生成系统,所述系统可以为单独的测试点生成系统,也可以应用在多种计算机数据处理系统中。所述的系统可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述数据处理系统可以包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
需要说明的,上述所述的系统根据方法或者装置实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
上述实施例所述的测试点生成系统,可以通过从历史数据中提取测试项、需求项、测试项对应的控件类型、及业务要素。然后,根据控件类型对测试项、需求项进行分类打标,根据分类打标后的测试项、需求项作为输入、对应的业务要素作为输出,构建业务要素配置模型。实际应用场景中,可以利用预先构建的业务要素配置模型准确确定测试数据所对应的业务要素,免人工筛选的业务要素的不准确性,进而准确确定测试点。且通过对训练数据基于控件类型进行分类,然后,再进行训练构建模型,可以进一步提高利用构建的模型确定业务要素的准确性及效率。
需要说明的是,本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照方法实施例的描述,在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类、存储介质+程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
尽管本说明书实施例内容中提到的数据提取、模型构建等获取、定义、交互、计算、判断等操作和数据描述,但是,本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书的可选实施方案范围之内。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种测试点生成方法,其特征在于,包括:
获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点;
其中,所述测试项包括待测试的对象;所述需求项包括测试时需要输入的预期结果、业务要素的具体值;所述控件类型包括所述测试项对应的控件的类型,不同控件类型的测试项的特点和需要测试的属性具有不同的特征,基于所述测试项的控件类型对所述测试项进行分析;所述业务要素包括所述测试项的属性;所述测试点为所述测试项的业务要素的关键操作和预期结果的自然语言描述。
2.根据权利要求1所述的方法,其特征在于,所述业务要素配置模型采用下述方式进行构建:
根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
3.根据权利要求2所述的方法,其特征在于,所述提取测试项、需求项、测试项对应的控件类型以及输出的业务要素之后,还包括:
将提取的测试项、需求项进行标准化处理,相应的,所述根据测试项的控件类型对提取的测试项、需求项进行打标包括根据测试项的控件类型对标准化后的测试项、需求项进行打标。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素;
将输入的符合要求的业务要素及所述待测试数据录入所述训练集,获得更新后的训练集;
相应的,基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述确定所述待测试数据的测试点,包括:
根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
6.一种测试点生成装置,其特征在于,所述装置包括:
数据获取模块,用于获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
业务要素生成模块,用于将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
测试点生成模块,用于根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点;
其中,所述测试项包括待测试的对象;所述需求项包括测试时需要输入的预期结果、业务要素的具体值;所述控件类型包括所述测试项对应的控件的类型,不同控件类型的测试项的特点和需要测试的属性具有不同的特征,基于所述测试项的控件类型对所述测试项进行分析;所述业务要素包括所述测试项的属性;所述测试点为所述测试项的业务要素的关键操作和预期结果的自然语言描述。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括模型构建模块,所述模型构建模块包括:
数据提取单元,用于根据历史数据提取测试项、需求项、测试项对应的控件类型以及输出的业务要素,并根据测试项的控件类型对提取的测试项、需求项进行打标;
训练集构建单元,用于根据打标后的测试项、需求项及对应的业务要素构建获得训练集;
模型构建单元,用于将所述训练集中的打标的测试项及需求项作为输入、业务要素作为输出,利用机器学习方法进行学习,获得业务要素配置模型。
8.根据权利要求7所述的装置,其特征在于,所述模型构建模块包括:
训练集更新单元,用于当确定生成的业务要素不符合要求时,获取输入的符合要求的业务要素,将输入的符合要求的业务要素及所述待测试数据录入所述训练集,获得更新后的训练集;
相应的,所述模型构建单元用于基于机器学习方法对更新后的训练集进行训练,获得所述业务要素配置模型。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括规则库构建模块,其中,
所述规则库构建模块,用于构建生成测试点的拼接规则库,所述拼接规则库中包括根据历史数据确定的基于业务要素生成测试点的拼接规则;
相应的,所述测试点生成模块包括规则确定单元及测试点生成单元,其中,
所述规则确定单元用于根据生成的业务要素从拼接规则库中确定所述生成的业务要素对应的拼接规则;
所述测试点生成单元用于根据确定的拼接规则对所述测试项、需求项以及生成的业务要素进行配置,获得所述待测试数据的测试点。
10.一种测试点生成装置,其特征在于,所述装置包括输入端、业务要素配置模型、模型训练集、拼接规则库以及拼接模块,其中,
所述输入端用于输入标准化的测试项、需求项及测试项对应的控件类型;
所述模型训练集用于存储已经完成标准化的输入数据以及对应的业务要素;
所述业务要素配置模型用于根据所述模型训练集进行构建,并用于根据输入端输入的数据生成业务要素;
所述拼接规则库用于存储业务要素配置生成测试点的规则;
所述拼接模块用于根据生成的业务要素从拼接规则库中确定所述生成的业务要求对应的拼接规则,并利用确定的拼接规则对生成的业务要素及所述测试项、需求项进行配置,获得测试点;
其中,所述测试项包括待测试的对象;所述需求项包括测试时需要输入的预期结果、业务要素的具体值;所述控件类型包括所述测试项对应的控件的类型,不同控件类型的测试项的特点和需要测试的属性具有不同的特征,基于所述测试项的控件类型对所述测试项进行分析;所述业务要素包括所述测试项的属性;所述测试点为所述测试项的业务要素的关键操作和预期结果的自然语言描述。
11.一种测试点生成设备,其特征在于,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
获取待测试数据,所述待测试数据包括测试项、需求项及测试项对应的控件类型;
将所述测试项、需求项及测试项对应的控件类型输入预先构建的业务要素配置模型,生成所述待测试数据对应的业务要素,所述业务要素配置模型根据从历史数据中提取的基于测试项的控件类型打标后的测试项、需求项及对应的业务要素构建获得;
根据所述测试项、需求项以及生成的业务要素确定所述待测试数据的测试点;
其中,所述测试项包括待测试的对象;所述需求项包括测试时需要输入的预期结果、业务要素的具体值;所述控件类型包括所述测试项对应的控件的类型,不同控件类型的测试项的特点和需要测试的属性具有不同的特征,基于所述测试项的控件类型对所述测试项进行分析;所述业务要素包括所述测试项的属性;所述测试点为所述测试项的业务要素的关键操作和预期结果的自然语言描述。
12.一种测试点生成系统,其特征在于,所述测试点生成系统包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现所述权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302562.4A CN110309047B (zh) | 2019-04-16 | 2019-04-16 | 一种测试点生成方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302562.4A CN110309047B (zh) | 2019-04-16 | 2019-04-16 | 一种测试点生成方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309047A CN110309047A (zh) | 2019-10-08 |
CN110309047B true CN110309047B (zh) | 2023-09-19 |
Family
ID=68074472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910302562.4A Active CN110309047B (zh) | 2019-04-16 | 2019-04-16 | 一种测试点生成方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309047B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468052B (zh) * | 2021-06-30 | 2022-07-26 | 建信金融科技有限责任公司 | 动态挡板测试方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572031A (zh) * | 2013-10-09 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种测试用例的生成方法及装置 |
CN105988920A (zh) * | 2015-02-04 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种基于数据集的测试案例生成方法及其装置 |
CN107908559A (zh) * | 2017-11-15 | 2018-04-13 | 中国农业银行股份有限公司 | 一种测试案例设计方法及装置 |
CN107908548A (zh) * | 2017-10-10 | 2018-04-13 | 深圳市买买提乐购金融服务有限公司 | 一种生成测试用例的方法和装置 |
CN108595324A (zh) * | 2018-04-09 | 2018-09-28 | 中国银行股份有限公司 | 测试案例复用管理方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10339485B2 (en) * | 2012-12-14 | 2019-07-02 | International Business Machines Corporation | Efficiently generating test cases |
-
2019
- 2019-04-16 CN CN201910302562.4A patent/CN110309047B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572031A (zh) * | 2013-10-09 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种测试用例的生成方法及装置 |
CN105988920A (zh) * | 2015-02-04 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种基于数据集的测试案例生成方法及其装置 |
CN107908548A (zh) * | 2017-10-10 | 2018-04-13 | 深圳市买买提乐购金融服务有限公司 | 一种生成测试用例的方法和装置 |
CN107908559A (zh) * | 2017-11-15 | 2018-04-13 | 中国农业银行股份有限公司 | 一种测试案例设计方法及装置 |
CN108595324A (zh) * | 2018-04-09 | 2018-09-28 | 中国银行股份有限公司 | 测试案例复用管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110309047A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020029689A1 (zh) | 数据处理模型构建方法、装置、服务器和用户端 | |
CN107066537A (zh) | 热点新闻生成方法、设备、电子设备 | |
US20150032708A1 (en) | Database analysis apparatus and method | |
CN110378343A (zh) | 一种财务报销数据处理方法、装置及系统 | |
CN112364133A (zh) | 岗位画像生成方法、装置、设备及存储介质 | |
US11269760B2 (en) | Systems and methods for automated testing using artificial intelligence techniques | |
CN111652468A (zh) | 业务流程的生成方法、装置、存储介质及计算机设备 | |
JPWO2018079225A1 (ja) | 自動予測システム、自動予測方法および自動予測プログラム | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
CN110990274A (zh) | 一种生成测试案例的数据处理方法、装置及系统 | |
CN112328869A (zh) | 一种用户贷款意愿的预测方法、装置及计算机系统 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN111178701A (zh) | 一种基于特征衍生技术的风险控制方法方法、装置和电子设备 | |
CN110309047B (zh) | 一种测试点生成方法、装置及系统 | |
KR102411291B1 (ko) | 스마트공장 데이터 품질평가 방법 | |
CN113986730A (zh) | 邀约文件测试方法、装置、设备及存储介质 | |
US10073938B2 (en) | Integrated circuit design verification | |
CN111666748B (zh) | 一种自动化分类器的构造方法以及识别决策的方法 | |
US20240086165A1 (en) | Systems and methods for building and deploying machine learning applications | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
Patil et al. | Framework for performance comparison of classifiers | |
CN111444170B (zh) | 基于预测业务场景的自动机器学习方法和设备 | |
CN106503920A (zh) | 一种配网项目管理现状评估方法及装置 | |
CN112069807A (zh) | 文本数据的主题提取方法、装置、计算机设备及存储介质 | |
CN117539948B (zh) | 基于深度神经网络的业务数据检索方法及装置 |
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 |