CN110471858A - 应用程序测试方法、装置及存储介质 - Google Patents
应用程序测试方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110471858A CN110471858A CN201910777984.7A CN201910777984A CN110471858A CN 110471858 A CN110471858 A CN 110471858A CN 201910777984 A CN201910777984 A CN 201910777984A CN 110471858 A CN110471858 A CN 110471858A
- Authority
- CN
- China
- Prior art keywords
- key vocabularies
- test
- vocabulary
- test case
- key
- 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.)
- Granted
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
-
- 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
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- 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
- G06F11/3692—Test management for test results analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种应用程序测试方法、装置及存储介质,方法包括:根据测试目标信息中包含的词汇,获取第一关键词汇集合;基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例;基于获取到的测试用例,对所述目标应用程序进行测试。对测试用例进行了扩展,增加了测试用例的数量,则基于获取到的测试用例,对目标应用程序进行测试,能够扩展测试用例覆盖的功能,提高了测试用例的全面性,扩展了目标应用程序的测试范围。并且,无需技术人员编写测试用例,不依赖技术人员的专业能力,实现了自动测试。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种应用程序测试方法、装置及存储介质。
背景技术
随着计算机技术的快速发展,技术人员开发出了越来越多的应用程序,各种应用程序的质量参差不齐。因此在开发应用程序之后,还需要对应用程序进行测试,检测应用程序是否能够正常运行。
相关技术中,当需要对应用程序进行测试时,技术人员按照测试要求编写测试用例,后续即可在安装该应用程序的测试终端上执行该测试用例,得到测试结果,实现对应用程序的测试。但是,上述方案过于依赖技术人员的专业能力,很容易导致测试用例覆盖功能不全。因此,测试用例的全面性差,应用程序的测试范围狭窄。
发明内容
本发明实施例提供了一种应用程序测试方法、装置及存储介质,能够提高测试用例的全面性,扩展应用程序的测试范围。所述技术方案如下:
一方面,提供了一种应用程序测试方法,所述方法包括:
根据测试目标信息中包含的词汇,获取第一关键词汇集合,所述第一关键词汇集合包括至少一个第一关键词汇,所述测试目标信息用于描述目标应用程序的测试目标;
基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;
分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例;
基于获取到的测试用例,对所述目标应用程序进行测试。
在一种可能实现方式中,所述根据测试目标信息中包含的词汇,获取第一关键词汇集合,包括:
对所述测试目标信息进行分词处理,得到多个词汇;
获取所述多个词汇中属于预设词汇集合的词汇,作为第一关键词汇,所述预设词汇集合包括至少一个关键词汇;
将获取到的至少一个第一关键词汇构成所述第一关键词汇集合。
在另一种可能实现方式中,所述获取所述多个词汇中属于预设词汇集合的词汇,作为第一关键词汇之前,所述方法还包括:
从历史测试目标信息中提取至少一个关键词汇,所述历史测试目标信息用于描述所述目标应用程序的历史版本应用程序的测试目标;
将所述至少一个关键词汇构成所述预设词汇集合。
在另一种可能实现方式中,所述基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合之前,所述方法还包括:
获取多个样本词汇和所述多个样本词汇中每个样本词汇的至少一个关联词汇;
基于所述多个样本词汇以及所述多个样本词汇中每个样本词汇的至少一个关联词汇,训练所述关键词汇推荐模型。
在另一种可能实现方式中,所述获取多个样本词汇和所述多个样本词汇中每个样本词汇的至少一个关联词汇,包括:
获取历史测试信息,所述历史测试信息用于描述所述目标应用程序的历史版本的应用程序的测试情况;
对所述历史测试信息进行分词处理,得到多个词汇;
对于所述多个词汇中的每个词汇,将所述词汇作为样本词汇,获取位于所述样本词汇之前的词汇或位于所述样本词汇之后的词汇中的至少一项,作为所述样本词汇的关联词汇。
在另一种可能实现方式中,所述分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例,包括:
获取预设匹配关系,所述预设匹配关系中包括多个测试用例匹配的关键词汇;
根据所述预设匹配关系,查询所述第一关键词汇集合中的至少一个第一关键词汇匹配的测试用例;
根据所述预设匹配关系,查询所述第二关键词汇集合中的至少一个第二关键词汇匹配的测试用例。
在另一种可能实现方式中,所述测试用例包括测试逻辑代码和多个测试参数,所述基于获取到的测试用例,对所述目标应用程序进行测试,包括:
对于获取到的每个测试用例,根据所述测试用例包括的多个测试参数,获取多个参数组合,每个参数组合包括所述测试用例中的至少两个测试参数;
基于分类模型,获取所述多个参数组合中每个参数组合的概率,所述概率用于表示采用所述参数组合进行测试的概率;
从所述多个参数组合中选取目标参数组合,将所述目标参数组合中的至少两个测试参数输入至所述测试逻辑代码中,基于所述至少两个测试参数运行所述测试逻辑代码,所述目标参数组合的概率大于所述多个参数组合中除所述目标参数组合以外的参数组合的概率。
在另一种可能实现方式中,所述方法还包括:
获取多个样本参数组合以及所述多个样本参数组合中每个样本参数组合的分类标识,所述每个样本参数组合包括至少两个测试参数;所述分类标识包括第一标识或第二标识,所述第一标识用于表示采用对应的样本参数组合中的测试参数进行测试,所述第二标识用于表示不采用对应的样本参数组合中的测试参数进行测试;
基于所述多个样本参数组合和所述多个样本参数组合中每个样本参数组合的分类标识,训练所述分类模型。
另一方面,提供了一种应用程序测试装置,所述装置包括:
第一集合获取模块,用于根据测试目标信息中包含的词汇,获取第一关键词汇集合,所述第一关键词汇集合包括至少一个第一关键词汇,所述测试目标信息用于描述目标应用程序的测试目标;
第二集合获取模块,用于基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;
用例获取模块,用于分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例;
测试模块,用于基于获取到的测试用例,对所述目标应用程序进行测试。
在一种可能实现方式中,所述第一集合获取模块,包括:
第一分词单元,用于对所述测试目标信息进行分词处理,得到多个词汇;
第一词汇获取单元,用于获取所述多个词汇中属于预设词汇集合的词汇,作为第一关键词汇,所述预设词汇集合包括至少一个关键词汇;
构成单元,用于将获取到的至少一个第一关键词汇构成所述第一关键词汇集合。
在另一种可能实现方式中,所述装置还包括:
提取模块,用于从历史测试目标信息中提取至少一个关键词汇,所述历史测试目标信息用于描述所述目标应用程序的历史版本应用程序的测试目标;
构成模块,用于将所述至少一个关键词汇构成所述预设词汇集合。
在另一种可能实现方式中,所述装置还包括:
词汇获取模块,用于获取多个样本词汇和所述多个样本词汇中每个样本词汇的至少一个关联词汇;
第一训练模块,用于基于所述多个样本词汇以及所述多个样本词汇中每个样本词汇的至少一个关联词汇,训练所述关键词汇推荐模型。
在另一种可能实现方式中,所述词汇获取模块,包括:
信息获取单元,用于获取历史测试信息,所述历史测试信息用于描述所述目标应用程序的历史版本的应用程序的测试情况;
第二分词单元,用于对所述历史测试信息进行分词处理,得到多个词汇;
第二词汇获取单元,用于对于所述多个词汇中的每个词汇,将所述词汇作为样本词汇,获取位于所述样本词汇之前的词汇或位于所述样本词汇之后的词汇中的至少一项,作为所述样本词汇的关联词汇。
在另一种可能实现方式中,所述用例获取模块,包括:
关系获取单元,用于获取预设匹配关系,所述预设匹配关系中包括多个测试用例匹配的关键词汇;
查询单元,用于根据所述预设匹配关系,查询所述第一关键词汇集合中的至少一个第一关键词汇匹配的测试用例;
所述查询单元,还用于根据所述预设匹配关系,查询所述第二关键词汇集合中的至少一个第二关键词汇匹配的测试用例。
在另一种可能实现方式中,所述测试用例包括测试逻辑代码和多个测试参数,所述测试模块,包括:
组合获取单元,用于对于获取到的每个测试用例,根据所述测试用例包括的多个测试参数,获取多个参数组合,每个参数组合包括所述测试用例中的至少两个测试参数;
概率获取单元,用于基于分类模型,获取所述多个参数组合中每个参数组合的概率,所述概率用于表示采用所述参数组合进行测试的概率;
运行单元,用于从所述多个参数组合中选取目标参数组合,将所述目标参数组合中的至少两个测试参数输入至所述测试逻辑代码中,基于所述至少两个测试参数运行所述测试逻辑代码,所述目标参数组合的概率大于所述多个参数组合中除所述目标参数组合以外的参数组合的概率。
在另一种可能实现方式中,所述装置还包括:
组合获取模块,用于获取多个样本参数组合以及所述多个样本参数组合中每个样本参数组合的分类标识,所述每个样本参数组合包括至少两个测试参数;所述分类标识包括第一标识或第二标识,所述第一标识用于表示采用对应的样本参数组合中的测试参数进行测试,所述第二标识用于表示不采用对应的样本参数组合中的测试参数进行测试;
第二训练模块,用于基于所述多个样本参数组合和所述多个样本参数组合中每个样本参数组合的分类标识,训练所述分类模型。
另一方面,提供了一种应用程序测试装置,所述装置包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如所述应用程序测试方法中所执行的操作。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如所述应用程序测试方法中所执行的操作。
本发明实施例提供的应用程序测试方法、装置及存储介质,根据测试目标信息中包含的词汇,获取第一关键词汇集合,基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合,分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例,对测试用例进行了扩展,增加了测试用例的数量,则基于获取到的测试用例,对目标应用程序进行测试,能够扩展测试用例覆盖的功能,提高了测试用例的全面性,扩展了目标应用程序的测试范围。并且,无需技术人员编写测试用例,不依赖技术人员的专业能力,实现了自动测试。
并且,该第一词汇集合和该第二词汇集合均能代表目标应用程序的测试目标,获取的测试用例也为与目标应用程序相关的测试用例,因此采用该测试用例对目标应用程序进行测试,能够提高测试准确性。
并且,对测试用例中的多个测试参数进行组合,得到多个参数组合,根据分类模型,从多个参数组合中确定目标参数组合,该目标参数组合的概率大于多个参数组合中除目标参数组合以外的参数组合的概率,降低了参数组合的数量,且还可以选取概率较大的目标参数组合,可以提高对目标应用程序进行测试的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种支付系统的结构示意图;
图2是本发明实施例提供的一种支付系统的结构示意图;
图3是本发明实施例提供的一种交易过程的流程图;
图4是本发明实施例提供的一种应用程序测试方法的流程图;
图5是本发明实施例提供的一种测试管理界面的示意图;
图6是本发明实施例提供的一种应用程序测试装置的结构示意图;
图7是本发明实施例提供的另一种应用程序测试装置的结构示意图;
图8是本发明实施例提供的一种终端的结构示意图;
图9是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种应用程序测试方法,在对目标应用程序进行测试时,根据测试目标信息中包含的词汇,获取第一关键词汇集合,基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合,从而扩展了关键词汇的数量。之后,分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例,基于获取到的测试用例,对目标应用程序进行测试,从而扩展了测试用例的数量,提高了测试全面性。
本发明实施例采用NLP(Natural Language Processing,自然语言处理)技术进行处理,实现了目标应用程序的自动化测试。该自然语言处理技术是计算机科学领域与人工智能领域中的一个重要方向,它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,是一门融合语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
本发明实施例提供的应用程序测试方法应用于测试装置中,该测试装置可以为终端或者服务器。其中,该终端可以为手机、平板电脑、计算机等。该服务器可以为一台服务器,或者由若干服务器组成的服务器集群,或者是一个云计算服务中心。
本发明实施例应用于对目标应用程序进行测试的场景下。
例如,技术人员开发出某一应用程序后,可以将开发出的应用程序安装于测试终端上,测试终端采用本发明实施例提供的方法,对该应用程序进行测试。或者,技术人员开发出某一应用程序后,可以将开发出的应用程序上传到服务器上,服务器采用本发明实施例提供的方法,对该应用程序进行测试。
所测试的应用程序可以为即时通信应用程序、网上购物应用程序、视频播放应用程序等。
举例来说,如图1所示,该支付系统包括终端101、后台服务器102和存储服务器103。
该终端101配置的前端框架可以为Vue.js(一套构建用户界面的渐进式框架),只关注视图层,采用自底向上增量开发的设计,负责前端页面的呈现。
终端101和后台服务器102采用JWT(一种通信框架)进行通信,JWT采用restful(一种接口风格类型)接口实现。
该后台服务器102可以为SpringBoot(斯普瑞布特)服务器,该后台服务器102运行的业务处理逻辑包括爬虫技术、分词技术、词向量技术、深度学习技术、搜索算法技术、路径覆盖技术等。
该存储服务器103用于存储支付系统的数据,该存储服务器103可以包括Redis(一种开源数据库)和Mysql(一种关系型数据库)等。
在一种可能实现方式中,如图2所示,终端101在应用程序中展示HTML(HyperTextMarkupLanguage,超文本编辑语言)页面、Javascript(一种直译式脚本语言)和其他静态资源,该后台服务器102用于执行业务处理逻辑,与终端101展示的Javascript进行交互。
如图3所示,该支付系统在进行支付的过程中,技术人员通过终端101安装的应用程序触发支付请求,该终端101将支付请求发送给后台服务器102,该后台服务器102包括网关接入层、订单处理层和扣款支付层,该网关接入层用于接收支付请求,将该支付请求转发给订单处理层,该订单处理层对支付请求进行解析,通过扣款支付层完成支付。
采用本发明实施例提供的方法,能够对后台服务器上运行的应用程序进行测试。测试方式包括业务测试和接口测试。其中,该业务测试是指技术人员在应用程序中触发任一功能选项时进行的测试,此时执行对该功能选项对应的业务处理逻辑,输出测试结果。该接口测试是指测试装置调用任一模块的接口进行的测试,此时执行该接口对应的业务处理逻辑,输出测试结果。
在一种可能实现方式中,可以将本发明实施例提供的方法整合成一个自动化测试框架,当需要进行测试时,可以针对目标应用程序调用该自动化测试框架,从而执行该自动化测试框架,对目标应用程序进行测试。
该自动化测试框架用于支持支付系统的私有协议、提供数据构造、接口调用、批量执行、定时任务、结果对比、生成测试报告等功能。
图4是本发明实施例提供的一种应用程序测试方法的流程图,参见图4,应用于测试装置中,该方法包括:
401、对测试目标信息进行分词处理,得到多个词汇。
其中,该测试目标信息用于描述目标应用程序的测试目标,也即是该测试目标信息中包括对目标应用程序进行测试的要求,该测试目标信息以文本形式存在,在对应用程序进行测试前,对该测试目标信息进行分词处理,得到该测试目标信息中包含的多个词汇,通过获取的多个词汇即可确定测试目标。
在一种可能实现方式中,该测试目标信息存储在文档中。
当对测试目标信息进行分词处理时,可以采用jieba(结巴分词)算法、SnowNLP(情感分析)算法、THULAC(中文词法分析)算法等,或者还可以采用其他具有分词功能的算法。
在一种可能实现方式中,对测试目标信息进行分词处理得到多个词汇后,还会获取预设过滤词库,将得到的多个词汇中,预设过滤词库包含的词汇过滤,得到过滤后的多个词汇。
其中,该预设过滤词库中包括多个过滤词,这些过滤词为文本信息中用于表示语气、修饰等不具有具体含义的词汇,例如“的”、“了”或者“呢”等词汇。该预设过滤词库可以由技术人员自行设置,或者还可以由测试装置默认设置,或者还可以通过其他方式设置。
402、获取多个词汇中属于预设词汇集合的词汇,作为第一关键词汇,预设词汇集合包括至少一个关键词汇。
获取预设词汇集合,该预设词汇集合中包括至少一个关键词汇,将获取的多个词汇分别与预设词汇集合中的每个词汇进行对比,确定多个词汇中属于预设词汇集合的词汇,将确定的词汇作为第一关键词汇。
该预设词汇集合中包括的至少一个关键词汇均为对应用程序的功能进行描述的描述信息,该多个关键词汇还用于描述对应用程序进行测试的测试目标。
在一种可能实现方式中,获取历史测试目标信息,从历史测试目标信息中提取至少一个关键词汇,将至少一个关键词汇构成预设词汇集合。也即是该预设词汇集合中包括的至少一个关键词汇均为历史测试目标信息中提取的关键词汇。
其中,该历史测试目标信息用于描述目标应用程序的历史版本应用程序的测试目标。
由于该历史测试目标信息中包括多个词汇,从该历史测试目标信息中获取能够代表测试目标的词汇,构成预设词汇集合,充分提高了预设词汇集合的准确性,保证后续从测试目标信息中获取第一关键词汇的准确性。
其中,采用TF-IDF(词频-逆文档频率)算法,从历史测试目标信息中提取关键词汇,或者,还可以采用其他方式从历史测试目标信息中提取关键词汇。
在另一种可能实现方式中,该预设词汇集合中包括的至少一个关键词汇均为技术人员设置的关键词汇。
在另一种可能实现方式中,该预设词汇集合中包括的至少一个关键词汇为从历史测试目标信息中提取至少一个关键词汇后,再由技术人员对该至少一个关键词汇进行调整后的词汇。
403、将获取到的至少一个第一关键词汇构成第一关键词汇集合。
从测试目标信息中获取到至少一个第一关键词汇后,即可将该至少一个第一关键词汇构成第一关键词汇集合,也即是该第一关键词汇集合中包括至少一个第一关键词汇。其中,该至少一个第一关键词汇可以为一个或多个。
本发明实施例中,通过将测试目标信息中属于预设词汇集合的词汇作为第一关键词汇,可以对测试目标信息中的词汇进行筛选,因此可以将测试目标信息中与测试目标无关的词汇过滤,减小了数量,可以提高后续对词汇处理的效率。
需要说明的是,步骤401-403为可选步骤,在另一发明实施例中,还可以不执行步骤401-403,对测试目标信息进行分词处理,得到多个词汇之后,直接将该多个词汇作为第一关键词汇,将获取到的第一关键词汇构成第一关键词汇集合。
404、基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合。
其中,该关键词汇推荐模型用于获取与任一个词汇关联且与应用程序测试相关的词汇。
对于第一关键词汇集合中的每个第一关键词汇,将该第一关键词汇输入到关键词汇推荐模型中,基于该关键词汇推荐模型,输出与该第一关键词汇关联的至少一个第二关键词汇,因此,可以获取该第一关键词汇集合中,每个第一关键词汇对应的至少一个第二关键词汇。
根据第一关键词汇集合中的每个第一关键词汇获取与第一关键词汇关联的第二关键词汇,将获取的至少一个第二关键词汇构成第二关键词汇集合,也即是获取了与第一关键词汇集合关联的第二关键词汇集合。
例如,基于关键词汇推荐模型,获取与第一关键词汇关联的第二关键词汇如表1所示:
表1
该第一关键词汇为测试目标信息中包含的词汇,第二关键词汇为与第一关键词汇关联的词汇,也即是该第二关键词汇也可以代表目标应用程序的测试目标,相当于扩展了目标应用程序的测试目标,提高了获取测试目标的全面性。
可选地,该关键词汇推荐模型可以获取任一个第一关键词汇的多个关联词汇,且该多个关联词汇中的每个关联词汇对应一个概率,从该多个关联词汇中获取第二关键词汇,且第二关键词汇的概率大于多个关联词汇中除第二关键词汇以外的其他词汇的概率。
在一种可能实现方式中,按照概率由大到小的顺序将多个关联词汇排序,选取前预设数量的关联词汇作为第二关键词汇。或者,按照概率由小到大的顺序将多个关联词汇排序,选取后预设数量的关联词汇作为第二关键词汇。
其中,该预设数量可以由技术人员自行设置,或者可以由测试装置设置。且该预设数量可以为3、5或者其他数值。
在另一种可能实现方式中,从多个关联词汇中选取概率大于预设概率的关联词汇作为第二关键词汇。
其中,该预设概率可以由技术人员自行设置,或者可以由测试装置设置。且该预设概率可以为0.7、0.8或者其他数值。
在一种可能实现方式中,通过预设词汇集合获取第一关键词汇后,先采用词向量算法获取第一关键词汇的词向量,将第一关键词汇的词向量输入至关键词汇推荐模型中,基于该关键词汇推荐模型,对第一关键词汇的词向量进行处理,得到与第一关键词汇的词向量关联的第二关键词汇的词向量,根据该第二关键词汇的词向量即可确定与第一关键词汇关联的第二关键词汇。
其中,该词向量算法可以为Word2Vec(一种词向量)算法、GloVe(Global Vectorsfor Word Representation,字表示的全局向量)算法或者其他类型的算法。
其中,该关键词汇推荐模型由训练装置训练得到,将训练后的关键词汇推荐模型发送给测试装置,由测试装置存储。或者,该关键词汇推荐模型由测试装置训练得到,且由测试装置存储。该关键词汇推荐模型可以为CBOW(continuous bag-of-words,连续词袋)模型、Skip-Gram(连续跳跃元语法)模型,或者其他类型的模型。
在一种可能实现方式中,在训练该关键词汇推荐模型时,获取多个样本词汇和多个样本词汇中每个样本词汇的至少一个关联词汇,基于多个样本词汇以及多个样本词汇中每个样本词汇的至少一个关联词汇,训练关键词汇推荐模型。
其中,该多个样本词汇可以为从历史测试信息中获取的词汇,或者该多个样本词汇还可以为技术人员设置的词汇。该多个样本词汇中每个样本词汇的至少一个关联词汇为与该样本词汇相关联的词汇,该样本词汇的至少一个关联词汇为该样本词汇的上文词汇或者为该样本词汇的下文词汇。
在一种可能实现方式中,获取历史测试信息,对历史测试信息进行分词处理,得到多个词汇,对于多个词汇中的每个词汇,将词汇作为样本词汇,获取位于样本词汇之前的词汇或位于样本词汇之后的词汇中的至少一项,作为样本词汇的关联词汇。
对于该多个词汇中的每个词汇,将该词汇作为样本词汇,当该样本词汇的位置之前和该样本词汇的位置之后均存在词汇时,即可将位于该样本词汇的位置之前和之后的词汇作为该样本词汇的关联词汇,而当该样本词汇的位置之前存在词汇,该样本词汇的位置之后不存在词汇时,将位于该样本词汇的位置之前的词汇作为该样本词汇的关联词汇,而当该样本词汇的位置之前不存在词汇,该样本词汇的位置之后存在词汇时,将位于该样本词汇的位置之后的词汇作为该样本词汇的关联词汇。
其中,该历史测试信息用于描述目标应用程序的历史版本的应用程序的测试情况,该历史测试信息中包括多种类型的信息,例如测试经验信息、测试目标信息、历史版本的应用程序描述信息、历史版本的应用程序的缺陷信息、历史版本的应用程序运行所生成的日志信息、对历史版本的应用程序进行测试时的工作进度信息等。
本发明实施例中,确定历史测试信息中每个词汇的至少一个关联词汇,也即是确定了多个样本词汇和多个样本词汇中每个样本词汇对应的至少一个关联词汇,也可以对关键词汇推荐模型进行训练,得到训练后的关键词汇推荐模型。
由于历史测试信息均是以文本形式存在,且对历史测试信息进行分词得到的多个词汇后,该多个词汇也具有位置关系,通过词汇之间的位置关系即可确定词汇之间的关联关系,也即是基于获取的多个词汇之间的位置关系,就可以获取任一词汇的关联词汇,提高获取的关联词汇的准确性,进而提高训练关键词汇推荐模型的准确性。
405、分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例。
测试装置中预先存储有多个测试用例,每个测试用例用于对应用程序的至少一个测试功能进行测试,且每个测试用例对应至少一个关键词汇,测试用例的关键词汇用于对该测试用例的至少一个测试功能进行描述。
例如,该测试用例可以对应用程序的登录功能进行测试、对应用程序的转账功能进行测试,或者对其他功能进行测试。
该第一关键词汇和第二关键词汇均能够描述目标应用程序的测试目标,因此,获取第一关键词汇集合匹配的测试用例和第二关键词汇集合匹配的测试用例,所获取的测试用例即为与目标应用程序的测试目标相关的测试用例,后续即可基于获取的测试用例进行测试。
由于不仅获取第一关键词汇集合匹配的测试用例,还获取第二关键词汇集合匹配的测试用例,提高了获取的测试用例的数量,保证后续执行的测试用例能够覆盖更多的测试目标,可以提高测试的全面性。
在一种可能实现方式中,获取预设匹配关系,预设匹配关系中包括多个测试用例匹配的关键词汇,根据预设匹配关系,查询第一关键词汇集合中的至少一个第一关键词汇匹配的测试用例,根据预设匹配关系,查询第二关键词汇集合中的至少一个第二关键词汇匹配的测试用例。
对于第一关键词汇集合中的每个第一关键词汇,查询该预设匹配关系中包括的关键词汇,当第一关键词汇与预设匹配关系中的任一关键词汇相同时,将该任一关键词汇对应的测试用例作为与第一关键词汇集合匹配的测试用例。并且,对于第二关键词汇集合中的至少一个第二关键词汇的每个第二关键词汇,查询该预设匹配关系中包括的关键词汇,当该第二关键词汇与预设匹配关系中的任一关键词汇相同时,将该任一关键词汇对应的测试用例作为与第二关键词汇集合匹配的测试用例。
其中,该第一关键词汇集合中的每个第一关键词汇均存在匹配的测试用例,即可获取每个第一关键词汇匹配的测试用例。或者该第一关键词汇中的部分第一关键词汇存在匹配的测试用例,而除该部分第一关键词汇以外的第一关键词汇不存在匹配的测试用例,即可获取该部分第一关键词汇匹配的测试用例。
例如,该第一关键词汇集合中包括5个第一关键词汇,这5个第一关键词汇中的每个第一关键词汇均存在匹配的测试用例。或者,这5个第一关键词汇中的3个第一关键词汇存在匹配的测试用例,而剩余的2个第一关键词汇不存在匹配的测试用例。
该第二关键词汇集合中的每个第二关键词汇均存在匹配的测试用例,即可获取每个第二关键词汇匹配的测试用例。或者该第二关键词汇中的部分第二关键词汇存在匹配的测试用例,而除该部分第二关键词汇以外的第二关键词汇不存在匹配的测试用例,即可获取该部分第二关键词汇匹配的测试用例。
406、基于获取到的测试用例,对目标应用程序进行测试。
通过上述方式可以获取到至少一个测试用例,且该至少一个测试用例均为第一关键词汇集合匹配的测试用例和第二关键词汇集合匹配的测试用例,通过执行该至少一个测试用例中的每个测试用例,即可对目标应用程序中与测试用例对应的至少一项功能进行测试。
后续过程中,对于每个测试用例,通过执行该测试用例即可获取测试结果,,当测试结果与预测结果不同时,表示与该测试用例对应的目标应用程序的功能存在缺陷,需要对该目标应用程序进行调整,以使目标应用程序的功能完善。而当测试结果与预测结果相同时,表示与该测试用例对应的目标应用程序的功能完善,无需对该目标应用程序进行调整。
需要说明的是,本发明实施例中的测试装置还可以获取历史版本的目标应用程序的历史缺陷数据库,从该历史缺陷数据库中选取目标应用程序的缺陷信息,根据获取的缺陷信息继续对目标应用程序进行测试,以防止目标应用程序出现曾经出现过的缺陷。
本发明实施例提供的方法,根据测试目标信息中包含的词汇,获取第一关键词汇集合,基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合,分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例,对测试用例进行了扩展,增加了测试用例的数量,则基于获取到的测试用例,对目标应用程序进行测试,能够扩展测试用例覆盖的功能,提高了测试用例的全面性,扩展了目标应用程序的测试范围。并且,无需技术人员编写测试用例,不依赖技术人员的专业能力,实现了自动测试。
并且,该第一词汇集合和该第二词汇集合均能代表目标应用程序的测试目标,获取的测试用例也为与目标应用程序相关的测试用例,因此采用该测试用例对目标应用程序进行测试,能够提高测试准确性。
在上述实施例的基础上,在一种可能实现方式中,步骤406可以包括以下步骤4061-4063:
4061、对于获取到的每个测试用例,根据测试用例包括的多个测试参数,获取多个参数组合。
其中,该测试用例中包括测试逻辑代码和多个测试参数,在测试过程中,将测试参数输入至测试逻辑代码中,该测试逻辑代码基于输入的测试参数运行,得到测试结果。
对于每个测试用例中的多个测试参数,将该多个测试参数中的任两个测试参数进行组合,再将该多个测试参数中的任三个测试参数进行组合,继续将该多个测试参数中的任四个测试参数进行组合,以此类推,依次将该多个测试参数中的任意数量的测试参数进行组合,得到多个参数组合。
其中,每次组合时采用的测试参数的数量不大于测试用例中包括的测试参数的总数量。该数量可以为2、3、4或者其他数值。
在一种可能实现方式中,在对测试用例中的多个测试参数进行组合时,可以将该多个测试参数中的任两个测试参数进行组合,得到多个参数组合。或者,将该多个测试参数中的任三个测试参数进行组合,得到多个参数组合。或者,还可以采用其他方式将该多个测试参数进行组合,得到多个参数组合。
4062、基于分类模型,获取多个参数组合中每个参数组合的概率。
该参数组合的概率用于表示采用参数组合进行测试的概率。
对于该多个参数组合中的每个参数组合,将该参数组合输入到分类模型中,基于该分类模型,即可获得该参数组合的概率,后续即可根据得到的每个参数组合的概率,确定在测试时采用的参数组合。
其中,该分类模型可以由训练装置训练得到,将训练后的关键词汇推荐模型发送给测试装置,由测试装置存储。或者,该关键词汇推荐模型由测试装置训练得到,且由测试装置存储。该分类模型可以为AlphaGo(阿尔法围棋)模型,或者还可以为其他种类的模型。
在训练该分类模型时,获取多个样本参数组合以及多个样本参数组合中每个样本参数组合的分类标识,基于多个样本参数组合和多个样本参数组合中每个样本参数组合的分类标识,训练分类模型。
其中,多个样本参数组合中的每个样本参数组合包括至少两个测试参数,该分类标识包括第一标识或第二标识,第一标识用于表示采用对应的样本参数组合中的测试参数进行测试,第二标识用于表示不采用对应的样本参数组合中的测试参数进行测试。
4063、从多个参数组合中选取目标参数组合,将目标参数组合中的至少两个测试参数输入至测试逻辑代码中,基于至少两个测试参数运行测试逻辑代码。
其中,目标参数组合的概率大于多个参数组合中除目标参数组合以外的参数组合的概率。选取该目标参数组合对目标应用程序进行测试,可以保证对目标应用程序进行测试的准确性。
在一种可能实现方式中,按照概率由大到小的顺序将多个参数组合排序,选取前预设数量的参数组合作为目标参数组合。或者,按照概率由小到大的顺序将多个参数组合排序,选取后预设数量的参数组合作为目标参数组合。
其中,该预设数量可以由技术人员自行设置,或者可以由测试装置设置。且该预设数量可以为3、5或者其他数值。
在另一种可能实现方式中,从多个参数组合中选取概率大于预设概率的参数组合作为目标参数组合。
其中,该预设概率可以由技术人员自行设置,或者可以由测试装置设置。且该预设概率可以为0.7、0.8或者其他数值。
由于该测试用例中的测试参数的数量较多,导致生成的参数组合的数量过多,出现组合爆炸的情况,因此,在将测试用例包括的多个测试参数进行组合,得到多个参数组合后,从该多个参数组合中选取目标参数组合,减小了参数组合的数量,提高了测试效率。
需要说明的是,本发明实施例仅是以根据分类模型确定参数组合的概率,从多个参数组合中选取目标参数组合为例进行说明。在另一实施例中,还可以采用结对测试的方法,将测试用例中的多个测试参数中的任两个测试参数进行组合,得到多个参数组合,基于该多个参数组合进行测试,可以防止出现组合爆炸的情况,也减小了参数组合的数量,提高测试效率。
本发明实施例提供的方法,对测试用例中的多个测试参数进行组合,得到多个参数组合,根据分类模型,从多个参数组合中确定目标参数组合,该目标参数组合的概率大于多个参数组合中除目标参数组合以外的参数组合的概率,降低了参数组合的数量,且还可以选取概率较大的目标参数组合,可以提高对目标应用程序进行测试的准确性。
图5是本发明实施例提供的一种测试管理界面的示意图,参见图5,测试装置运行目标应用程序,可以对该目标应用程序进行测试,并且还可以通过显示的测试管理界面,对测试过程进行控制。
该测试管理界面中包括多个选项,例如原始语料选项、词向量选项、需求建模选项、测试用例选项等。技术人员通过触发该测试管理界面中的选项,即可执行相应的测试操作。
其中,该测试管理界面的功能包括:建立关键词汇推荐模型、测试目标文本分析、自动化测试以及权限管理。
建立关键词汇推荐模型:
该测试管理界面中包括原始语料选项和词向量选项,技术人员通过触发该原始语料选项,即可在界面右侧显示多种原始语料,技术人员通过触发该词向量选项,即可获取原始语料的词向量。采用NLP技术,根据原始语料的词向量即可建立关键词汇推荐模型。
测试目标文本分析:
参见图5,该测试管理界面中包括需求建模选项、算法模型选项、风险评估选项、历史权限库选项。
技术人员通过触发该需求建模选项,即可获取测试目标信息中的关键词汇,通过触发风险评估选项,即可获取目标参数组合,通过触发算法模型选项,提供多种算法,技术人员即可从多种算法中选取确定目标参数组合的算法,以便根据确定的算法获取目标参数组合,当技术人员触发历史缺陷库时,即可确定曾经出现过的测试缺陷。
自动化测试:
参见图5,该测试管理界面中包括测试用例选项、测试计划选项、模块配置选项、测试环境管理选项,技术人员通过触发该测试用例选项,即可确定至少一个测试用例,通过触发该测试计划选项,即可根据目标参数组合,采用对应的测试用例对应用程序进行测试。通过触发模块配置选项和测试环境管理选项,可以配置模块参数和环境参数。
权限管理:
参见图5,该测试管理界面中包括权限管理选项和用户配置选项,通过触发该权限管理选项,即可对用户设定权限限制,只有具有权限的用户才可以查看不同的模块或者测试项目。通过用户配置选项,即可管理用户信息。
图6是本发明实施例提供的一种应用程序测试装置的结构示意图,参见图6,该装置包括:
第一集合获取模块601,用于根据测试目标信息中包含的词汇,获取第一关键词汇集合,第一关键词汇集合包括至少一个第一关键词汇,测试目标信息用于描述目标应用程序的测试目标;
第二集合获取模块602,用于基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;
用例获取模块603,用于分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例;
测试模块604,用于基于获取到的测试用例,对目标应用程序进行测试。
本发明实施例提供的装置,根据测试目标信息中包含的词汇,获取第一关键词汇集合,基于关键词汇推荐模型,获取与第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合,分别获取第一关键词汇集合和第二关键词汇集合匹配的测试用例,对测试用例进行了扩展,增加了测试用例的数量,则基于获取到的测试用例,对目标应用程序进行测试,能够扩展测试用例覆盖的功能,提高了测试用例的全面性,扩展了目标应用程序的测试范围。并且,无需技术人员编写测试用例,不依赖技术人员的专业能力,实现了自动测试。
在一种可能实现方式中,参见图7,第一集合获取模块601,包括:
第一分词单元6011,用于对测试目标信息进行分词处理,得到多个词汇;
第一词汇获取单元6012,用于获取多个词汇中属于预设词汇集合的词汇,作为第一关键词汇,预设词汇集合包括至少一个关键词汇;
构成单元6013,用于将获取到的至少一个第一关键词汇构成第一关键词汇集合。
在另一种可能实现方式中,参见图7,装置还包括:
提取模块605,用于从历史测试目标信息中提取至少一个关键词汇,历史测试目标信息用于描述目标应用程序的历史版本应用程序的测试目标;
构成模块606,用于将至少一个关键词汇构成预设词汇集合。
在另一种可能实现方式中,参见图7,装置还包括:
词汇获取模块607,用于获取多个样本词汇和多个样本词汇中每个样本词汇的至少一个关联词汇;
第一训练模块608,用于基于多个样本词汇以及多个样本词汇中每个样本词汇的至少一个关联词汇,训练关键词汇推荐模型。
在另一种可能实现方式中,参见图7,词汇获取模块607,包括:
信息获取单元6071,用于获取历史测试信息,历史测试信息用于描述目标应用程序的历史版本的应用程序的测试情况;
第二分词单元6072,用于对历史测试信息进行分词处理,得到多个词汇;
第二词汇获取单元6073,用于对于多个词汇中的每个词汇,将词汇作为样本词汇,获取位于样本词汇之前的词汇或位于样本词汇之后的词汇中的至少一项,作为样本词汇的关联词汇。
在另一种可能实现方式中,参见图7,用例获取模块603,包括:
关系获取单元6031,用于获取预设匹配关系,预设匹配关系中包括多个测试用例匹配的关键词汇;
查询单元6032,用于根据预设匹配关系,查询第一关键词汇集合中的至少一个第一关键词汇匹配的测试用例;
查询单元6032,还用于根据预设匹配关系,查询第二关键词汇集合中的至少一个第二关键词汇匹配的测试用例。
在另一种可能实现方式中,测试用例包括测试逻辑代码和多个测试参数,参见图7,测试模块604,包括:
组合获取单元6041,用于对于获取到的每个测试用例,根据测试用例包括的多个测试参数,获取多个参数组合,每个参数组合包括测试用例中的至少两个测试参数;
概率获取单元6042,用于基于分类模型,获取多个参数组合中每个参数组合的概率,概率用于表示采用参数组合进行测试的概率;
运行单元6043,用于从多个参数组合中选取目标参数组合,将目标参数组合中的至少两个测试参数输入至测试逻辑代码中,基于至少两个测试参数运行测试逻辑代码,目标参数组合的概率大于多个参数组合中除目标参数组合以外的参数组合的概率。
在另一种可能实现方式中,参见图7,装置还包括:
组合获取模块609,用于获取多个样本参数组合以及多个样本参数组合中每个样本参数组合的分类标识,每个样本参数组合包括至少两个测试参数;分类标识包括第一标识或第二标识,第一标识用于表示采用对应的样本参数组合中的测试参数进行测试,第二标识用于表示不采用对应的样本参数组合中的测试参数进行测试;
第二训练模块610,用于基于多个样本参数组合和多个样本参数组合中每个样本参数组合的分类标识,训练分类模型。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的应用程序测试装置在测试应用程序时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将测试装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的应用程序测试装置的实施例与应用程序测试方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图8是本发明实施例提供的一种终端的结构示意图,该终端用于执行上述实施例中测试装置执行的步骤。该终端800可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑、台式电脑、头戴式设备,或其他任意智能终端。终端800还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所具有以实现本申请中方法实施例提供的应用程序测试方法。
在一些实施例中,终端800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头组件806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及8G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(UserInterface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置终端800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在终端800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在终端800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位终端800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为终端800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。
加速度传感器811可以检测以终端800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制触摸显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器812可以检测终端800的机体方向及转动角度,陀螺仪传感器812可以与加速度传感器811协同采集用户对终端800的3D动作。处理器801根据陀螺仪传感器812采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器813可以设置在终端800的侧边框和/或触摸显示屏805的下层。当压力传感器813设置在终端800的侧边框时,可以检测用户对终端800的握持信号,由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在触摸显示屏805的下层时,由处理器801根据用户对触摸显示屏805的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器814用于采集用户的指纹,由处理器801根据指纹传感器814采集到的指纹识别用户的身份,或者,由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器801授权该用户具有相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置终端800的正面、背面或侧面。当终端800上设置有物理按键或厂商Logo时,指纹传感器814可以与物理按键或厂商标志集成在一起。
光学传感器815用于采集环境光强度。在一个实施例中,处理器801可以根据光学传感器815采集的环境光强度,控制触摸显示屏805的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏805的显示亮度;当环境光强度较低时,调低触摸显示屏805的显示亮度。在另一个实施例中,处理器801还可以根据光学传感器815采集的环境光强度,动态调整摄像头组件806的拍摄参数。
接近传感器816,也称距离传感器,通常设置在终端800的前面板。接近传感器816用于采集用户与终端800的正面之间的距离。在一个实施例中,当接近传感器816检测到用户与终端800的正面之间的距离逐渐变小时,由处理器801控制触摸显示屏805从亮屏状态切换为息屏状态;当接近传感器816检测到用户与终端800的正面之间的距离逐渐变大时,由处理器801控制触摸显示屏805从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图9是本发明实施例提供的一种服务器的结构示意图,该服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processingunits,CPU)901和一个或一个以上的存储器902,其中,所述存储器902中存储有至少一条指令,所述至少一条指令由所述处理器901加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
服务器900可以用于执行上述应用程序测试方法中测试装置所执行的步骤。
本发明实施例还提供了一种应用程序测试装置,该装置包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,指令、程序、代码集或指令集由处理器加载并具有以实现上述实施例的应用程序测试方法中所具有的操作。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,该指令、该程序、该代码集或该指令集由处理器加载并具有以实现上述实施例的应用程序测试方法中所具有的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用程序测试方法,其特征在于,所述方法包括:
根据测试目标信息中包含的词汇,获取第一关键词汇集合,所述第一关键词汇集合包括至少一个第一关键词汇,所述测试目标信息用于描述目标应用程序的测试目标;
基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;
分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例;
基于获取到的测试用例,对所述目标应用程序进行测试。
2.根据权利要求1所述的方法,其特征在于,所述根据测试目标信息中包含的词汇,获取第一关键词汇集合,包括:
对所述测试目标信息进行分词处理,得到多个词汇;
获取所述多个词汇中属于预设词汇集合的词汇,作为第一关键词汇,所述预设词汇集合包括至少一个关键词汇;
将获取到的至少一个第一关键词汇构成所述第一关键词汇集合。
3.根据权利要求2所述的方法,其特征在于,所述获取所述多个词汇中属于预设词汇集合的词汇,作为第一关键词汇之前,所述方法还包括:
从历史测试目标信息中提取至少一个关键词汇,所述历史测试目标信息用于描述所述目标应用程序的历史版本应用程序的测试目标;
将所述至少一个关键词汇构成所述预设词汇集合。
4.根据权利要求1所述的方法,其特征在于,所述基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合之前,所述方法还包括:
获取多个样本词汇和所述多个样本词汇中每个样本词汇的至少一个关联词汇;
基于所述多个样本词汇以及所述多个样本词汇中每个样本词汇的至少一个关联词汇,训练所述关键词汇推荐模型。
5.根据权利要求4所述的方法,其特征在于,所述获取多个样本词汇和所述多个样本词汇中每个样本词汇的至少一个关联词汇,包括:
获取历史测试信息,所述历史测试信息用于描述所述目标应用程序的历史版本的应用程序的测试情况;
对所述历史测试信息进行分词处理,得到多个词汇;
对于所述多个词汇中的每个词汇,将所述词汇作为样本词汇,获取位于所述样本词汇之前的词汇或位于所述样本词汇之后的词汇中的至少一项,作为所述样本词汇的关联词汇。
6.根据权利要求1所述的方法,其特征在于,所述分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例,包括:
获取预设匹配关系,所述预设匹配关系中包括多个测试用例匹配的关键词汇;
根据所述预设匹配关系,查询所述第一关键词汇集合中的至少一个第一关键词汇匹配的测试用例;
根据所述预设匹配关系,查询所述第二关键词汇集合中的至少一个第二关键词汇匹配的测试用例。
7.根据权利要求1所述的方法,其特征在于,所述测试用例包括测试逻辑代码和多个测试参数,所述基于获取到的测试用例,对所述目标应用程序进行测试,包括:
对于获取到的每个测试用例,根据所述测试用例包括的多个测试参数,获取多个参数组合,每个参数组合包括所述测试用例中的至少两个测试参数;
基于分类模型,获取所述多个参数组合中每个参数组合的概率,所述概率用于表示采用所述参数组合进行测试的概率;
从所述多个参数组合中选取目标参数组合,将所述目标参数组合中的至少两个测试参数输入至所述测试逻辑代码中,基于所述至少两个测试参数运行所述测试逻辑代码,所述目标参数组合的概率大于所述多个参数组合中除所述目标参数组合以外的参数组合的概率。
8.一种应用程序测试装置,其特征在于,所述装置包括:
第一集合获取模块,用于根据测试目标信息中包含的词汇,获取第一关键词汇集合,所述第一关键词汇集合包括至少一个第一关键词汇,所述测试目标信息用于描述目标应用程序的测试目标;
第二集合获取模块,用于基于关键词汇推荐模型,获取与所述第一关键词汇集合中的每个第一关键词汇关联的第二关键词汇,得到第二关键词汇集合;
用例获取模块,用于分别获取所述第一关键词汇集合和所述第二关键词汇集合匹配的测试用例;
测试模块,用于基于获取到的测试用例,对所述目标应用程序进行测试。
9.一种应用程序测试装置,其特征在于,所述装置包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至7任一权利要求所述的应用程序测试方法中所执行的操作。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至7任一权利要求所述的应用程序测试方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777984.7A CN110471858B (zh) | 2019-08-22 | 2019-08-22 | 应用程序测试方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777984.7A CN110471858B (zh) | 2019-08-22 | 2019-08-22 | 应用程序测试方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471858A true CN110471858A (zh) | 2019-11-19 |
CN110471858B CN110471858B (zh) | 2023-09-01 |
Family
ID=68512709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910777984.7A Active CN110471858B (zh) | 2019-08-22 | 2019-08-22 | 应用程序测试方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471858B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110955608A (zh) * | 2019-12-23 | 2020-04-03 | 金蝶软件(中国)有限公司 | 测试数据处理方法、装置、计算机设备和存储介质 |
CN111124898A (zh) * | 2019-12-10 | 2020-05-08 | 平安国际智慧城市科技股份有限公司 | 问答系统测试方法、装置、计算机设备和存储介质 |
CN111198817A (zh) * | 2019-12-30 | 2020-05-26 | 武汉大学 | 一种基于卷积神经网络的SaaS软件故障诊断方法及装置 |
CN111538663A (zh) * | 2020-04-26 | 2020-08-14 | 中国工商银行股份有限公司 | 测试用例的生成方法、装置、计算设备以及介质 |
CN111552646A (zh) * | 2020-04-30 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于回归测试的方法和装置 |
CN112199300A (zh) * | 2020-11-13 | 2021-01-08 | 新华三大数据技术有限公司 | 一种接口测试方法、装置、电子设备及存储介质 |
CN112231224A (zh) * | 2020-10-30 | 2021-01-15 | 平安银行股份有限公司 | 基于人工智能的业务系统测试方法、装置、设备和介质 |
CN112988582A (zh) * | 2021-03-15 | 2021-06-18 | 中化现代农业有限公司 | 一种应用程序测试方法、装置及存储介质 |
CN113704103A (zh) * | 2021-08-24 | 2021-11-26 | 网易(杭州)网络有限公司 | 测试用例推荐方法、装置、介质及电子设备 |
CN114077534A (zh) * | 2020-08-11 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 测试用例生成方法、装置和计算机可读存储介质 |
CN117313111A (zh) * | 2023-11-30 | 2023-12-29 | 中汽智联技术有限公司 | 一种基于汽车信息安全测试用例的标注与索引方法和系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192194A (zh) * | 2007-01-19 | 2008-06-04 | 中兴通讯股份有限公司 | 基于测试用例数据库系统的测试用例设计方法 |
US20130198568A1 (en) * | 2012-01-31 | 2013-08-01 | Bank Of America Corporation | System And Method For Test Case Generation Using Action Keywords |
CN104298789A (zh) * | 2014-11-13 | 2015-01-21 | 北京国双科技有限公司 | 关键词的划分方法和装置 |
US20150031011A1 (en) * | 2013-04-29 | 2015-01-29 | LTG Exam Prep Platform, Inc. | Systems, methods, and computer-readable media for providing concept information associated with a body of text |
US9268672B1 (en) * | 2014-05-27 | 2016-02-23 | Amazon Technologies, Inc. | Automated test case generation for applications |
US20160179659A1 (en) * | 2014-12-17 | 2016-06-23 | International Business Machines Corporation | Techniques for automatically generating testcases |
US20170139809A1 (en) * | 2015-11-13 | 2017-05-18 | International Business Machines Corporation | User interface area coverage |
CN106933728A (zh) * | 2015-12-29 | 2017-07-07 | 中国移动(深圳)有限公司 | 需求与用例关联度量的方法及装置 |
CN107957957A (zh) * | 2017-12-28 | 2018-04-24 | 网易(杭州)网络有限公司 | 测试用例的获取方法和装置 |
CN108334632A (zh) * | 2018-02-26 | 2018-07-27 | 深圳市腾讯计算机系统有限公司 | 实体推荐方法、装置、计算机设备和计算机可读存储介质 |
CN108388509A (zh) * | 2018-02-07 | 2018-08-10 | 平安科技(深圳)有限公司 | 一种软件测试方法、计算机可读存储介质及终端设备 |
CN108459964A (zh) * | 2018-03-06 | 2018-08-28 | 平安科技(深圳)有限公司 | 测试用例选择方法、装置、设备以及计算机可读存储介质 |
CN108536595A (zh) * | 2018-04-09 | 2018-09-14 | 平安普惠企业管理有限公司 | 测试用例智能化匹配方法、装置、计算机设备及存储介质 |
CN109145281A (zh) * | 2017-06-15 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 语音识别方法、装置及存储介质 |
CN109255126A (zh) * | 2018-09-10 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 文章推荐方法及装置 |
CN109446104A (zh) * | 2018-11-16 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种基于大数据的测试用例管理方法及装置 |
CN109597747A (zh) * | 2017-09-30 | 2019-04-09 | 南京大学 | 一种基于多目标优化算法nsga-ⅱ推荐跨项目关联缺陷报告的方法 |
CN109656815A (zh) * | 2018-11-27 | 2019-04-19 | 平安科技(深圳)有限公司 | 有配置文件的测试语句编写方法、装置、介质及电子设备 |
US20190196952A1 (en) * | 2017-12-21 | 2019-06-27 | Verizon Patent And Licensing Inc. | Systems and methods using artificial intelligence to identify, test, and verify system modifications |
-
2019
- 2019-08-22 CN CN201910777984.7A patent/CN110471858B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192194A (zh) * | 2007-01-19 | 2008-06-04 | 中兴通讯股份有限公司 | 基于测试用例数据库系统的测试用例设计方法 |
US20130198568A1 (en) * | 2012-01-31 | 2013-08-01 | Bank Of America Corporation | System And Method For Test Case Generation Using Action Keywords |
US20150031011A1 (en) * | 2013-04-29 | 2015-01-29 | LTG Exam Prep Platform, Inc. | Systems, methods, and computer-readable media for providing concept information associated with a body of text |
US9268672B1 (en) * | 2014-05-27 | 2016-02-23 | Amazon Technologies, Inc. | Automated test case generation for applications |
CN104298789A (zh) * | 2014-11-13 | 2015-01-21 | 北京国双科技有限公司 | 关键词的划分方法和装置 |
US20160179659A1 (en) * | 2014-12-17 | 2016-06-23 | International Business Machines Corporation | Techniques for automatically generating testcases |
US20170139809A1 (en) * | 2015-11-13 | 2017-05-18 | International Business Machines Corporation | User interface area coverage |
CN106933728A (zh) * | 2015-12-29 | 2017-07-07 | 中国移动(深圳)有限公司 | 需求与用例关联度量的方法及装置 |
CN109145281A (zh) * | 2017-06-15 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 语音识别方法、装置及存储介质 |
CN109597747A (zh) * | 2017-09-30 | 2019-04-09 | 南京大学 | 一种基于多目标优化算法nsga-ⅱ推荐跨项目关联缺陷报告的方法 |
US20190196952A1 (en) * | 2017-12-21 | 2019-06-27 | Verizon Patent And Licensing Inc. | Systems and methods using artificial intelligence to identify, test, and verify system modifications |
CN107957957A (zh) * | 2017-12-28 | 2018-04-24 | 网易(杭州)网络有限公司 | 测试用例的获取方法和装置 |
CN108388509A (zh) * | 2018-02-07 | 2018-08-10 | 平安科技(深圳)有限公司 | 一种软件测试方法、计算机可读存储介质及终端设备 |
CN108334632A (zh) * | 2018-02-26 | 2018-07-27 | 深圳市腾讯计算机系统有限公司 | 实体推荐方法、装置、计算机设备和计算机可读存储介质 |
CN108459964A (zh) * | 2018-03-06 | 2018-08-28 | 平安科技(深圳)有限公司 | 测试用例选择方法、装置、设备以及计算机可读存储介质 |
CN108536595A (zh) * | 2018-04-09 | 2018-09-14 | 平安普惠企业管理有限公司 | 测试用例智能化匹配方法、装置、计算机设备及存储介质 |
CN109255126A (zh) * | 2018-09-10 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 文章推荐方法及装置 |
CN109446104A (zh) * | 2018-11-16 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种基于大数据的测试用例管理方法及装置 |
CN109656815A (zh) * | 2018-11-27 | 2019-04-19 | 平安科技(深圳)有限公司 | 有配置文件的测试语句编写方法、装置、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
蔡圆媛: "《大数据环境下基于知识整合的语义计算技术与应用》", 北京理工大学出版社, pages: 91 - 94 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111124898A (zh) * | 2019-12-10 | 2020-05-08 | 平安国际智慧城市科技股份有限公司 | 问答系统测试方法、装置、计算机设备和存储介质 |
CN110955608A (zh) * | 2019-12-23 | 2020-04-03 | 金蝶软件(中国)有限公司 | 测试数据处理方法、装置、计算机设备和存储介质 |
CN110955608B (zh) * | 2019-12-23 | 2024-03-08 | 金蝶软件(中国)有限公司 | 测试数据处理方法、装置、计算机设备和存储介质 |
CN111198817B (zh) * | 2019-12-30 | 2021-06-04 | 武汉大学 | 一种基于卷积神经网络的SaaS软件故障诊断方法及装置 |
CN111198817A (zh) * | 2019-12-30 | 2020-05-26 | 武汉大学 | 一种基于卷积神经网络的SaaS软件故障诊断方法及装置 |
CN111538663A (zh) * | 2020-04-26 | 2020-08-14 | 中国工商银行股份有限公司 | 测试用例的生成方法、装置、计算设备以及介质 |
CN111538663B (zh) * | 2020-04-26 | 2023-03-28 | 中国工商银行股份有限公司 | 测试用例的生成方法、装置、计算设备以及介质 |
CN111552646A (zh) * | 2020-04-30 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于回归测试的方法和装置 |
CN111552646B (zh) * | 2020-04-30 | 2023-08-29 | 阿波罗智能技术(北京)有限公司 | 用于回归测试的方法和装置 |
CN114077534A (zh) * | 2020-08-11 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 测试用例生成方法、装置和计算机可读存储介质 |
CN114077534B (zh) * | 2020-08-11 | 2024-05-31 | 腾讯科技(深圳)有限公司 | 测试用例生成方法、装置和计算机可读存储介质 |
CN112231224A (zh) * | 2020-10-30 | 2021-01-15 | 平安银行股份有限公司 | 基于人工智能的业务系统测试方法、装置、设备和介质 |
CN112199300B (zh) * | 2020-11-13 | 2022-08-19 | 新华三大数据技术有限公司 | 一种接口测试方法、装置、电子设备及存储介质 |
CN112199300A (zh) * | 2020-11-13 | 2021-01-08 | 新华三大数据技术有限公司 | 一种接口测试方法、装置、电子设备及存储介质 |
CN112988582A (zh) * | 2021-03-15 | 2021-06-18 | 中化现代农业有限公司 | 一种应用程序测试方法、装置及存储介质 |
CN113704103A (zh) * | 2021-08-24 | 2021-11-26 | 网易(杭州)网络有限公司 | 测试用例推荐方法、装置、介质及电子设备 |
CN113704103B (zh) * | 2021-08-24 | 2023-08-04 | 网易(杭州)网络有限公司 | 测试用例推荐方法、装置、介质及电子设备 |
CN117313111A (zh) * | 2023-11-30 | 2023-12-29 | 中汽智联技术有限公司 | 一种基于汽车信息安全测试用例的标注与索引方法和系统 |
CN117313111B (zh) * | 2023-11-30 | 2024-04-09 | 中汽智联技术有限公司 | 一种基于汽车信息安全测试用例的标注与索引方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110471858B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471858A (zh) | 应用程序测试方法、装置及存储介质 | |
CN108536463B (zh) | 获取资源包的方法、装置、设备及计算机可读存储介质 | |
CN108121490A (zh) | 用于处理多模式输入的电子装置、方法和服务器 | |
CN110097019A (zh) | 字符识别方法、装置、计算机设备以及存储介质 | |
CN110556127B (zh) | 语音识别结果的检测方法、装置、设备及介质 | |
CN109091869A (zh) | 虚拟对象的动作控制方法、装置、计算机设备及存储介质 | |
CN106464571A (zh) | 基于设备模式来协调跨设备的消息提示呈现 | |
CN109154858A (zh) | 智能电子设备及其操作方法 | |
CN109918669A (zh) | 实体确定方法、装置及存储介质 | |
WO2022057435A1 (zh) | 基于搜索的问答方法及存储介质 | |
CN109815150A (zh) | 应用测试方法、装置、电子设备及存储介质 | |
CN109491924A (zh) | 代码检测方法、装置、终端及存储介质 | |
CN109784351A (zh) | 数据分类方法、分类模型训练方法及装置 | |
CN111506758A (zh) | 物品名称确定方法、装置、计算机设备及存储介质 | |
CN111524501A (zh) | 语音播放方法、装置、计算机设备及计算机可读存储介质 | |
JP2023508062A (ja) | 対話モデルの訓練方法、装置、コンピュータ機器及びプログラム | |
CN113505256B (zh) | 特征提取网络训练方法、图像处理方法及装置 | |
CN111949680A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111739517A (zh) | 语音识别方法、装置、计算机设备及介质 | |
CN109766098A (zh) | 应用程序的运行方法、设备及存储介质 | |
CN108922531A (zh) | 槽位识别方法、装置、电子设备及存储介质 | |
CN110119243A (zh) | 指令处理方法、装置、终端和存储介质 | |
CN111339737A (zh) | 实体链接方法、装置、设备及存储介质 | |
CN110610354A (zh) | 用于无人商店的物品结算方法、装置及存储介质 | |
CN105933689A (zh) | 图像处理方法和支持该方法的电子设备 |
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 |