CN110737570A - 自动化测试行为的训练方法和装置 - Google Patents
自动化测试行为的训练方法和装置 Download PDFInfo
- Publication number
- CN110737570A CN110737570A CN201810802204.5A CN201810802204A CN110737570A CN 110737570 A CN110737570 A CN 110737570A CN 201810802204 A CN201810802204 A CN 201810802204A CN 110737570 A CN110737570 A CN 110737570A
- Authority
- CN
- China
- Prior art keywords
- behavior
- paths
- user
- training
- log records
- 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.)
- Pending
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 376
- 238000012360 testing method Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 8
- 230000003542 behavioural effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 241000282693 Cercopithecidae Species 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了自动化测试行为的训练方法和装置。所述方法包括：生成与自动化测试过程中模拟的多个用户行为对应的日志记录；根据所述日志记录确定一条或多条行为路径；按照预设规则为各行为路径添加行为有效性标签；以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。该技术方案通过机器学习的方式，能够通过根据日志记录确定行为路径的方式，明确何种行为路径是有效路径，何种行为路径是无效路径，在这些样本数据的基础上训练得到有效行为路径模型，可以进一步对自动化测试行为进行优化，提高自动化测试的效率和可用性。
Description
技术领域
本发明涉及自动化测试领域，具体涉及自动化测试行为的训练方法和装置。
背景技术
自动化测试目前还不能完全代替手工测试，但是在一些场景下已经能够起到较好的效果。但是有些自动化测试仍然存在效率较低，完成度不高等缺点，如何更有效率地对自动化测试进行改进是需要解决的问题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的自动化测试行为的训练方法和装置。
依据本发明的一个方面，提供了一种自动化测试行为的训练方法，包括：
生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
根据所述日志记录确定一条或多条行为路径；
按照预设规则为各行为路径添加行为有效性标签；
以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
可选地，所述生成与自动化测试过程中模拟的多个用户行为对应的日志记录包括：
在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；
当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
可选地，所述方法还包括：
根据所述有效行为路径模型对所述自动化测试代码进行调整。
可选地，所述根据所述日志记录确定一条或多条行为路径包括：
根据所述日志记录确定一段包含多个用户行为的用户行为序列；
从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
可选地，所述按照预设规则为各行为路径添加行为有效性标签包括：
当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
可选地，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
可选地，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
可选地，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
可选地，所述以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型包括：
根据有监督学习算法训练得到所述有效行为路径模型。
依据本发明的另一方面，提供了一种自动化测试行为的训练装置，包括：
日志单元，适于生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
行为路径确定单元，适于根据所述日志记录确定一条或多条行为路径；
标签单元，适于按照预设规则为各行为路径添加行为有效性标签；
训练单元，适于以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
可选地，所述日志单元，适于在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
可选地，所述装置还包括：
调整单元，属于根据所述有效行为路径模型对所述自动化测试代码进行调整。
可选地，所述行为路径确定单元，适于根据所述日志记录确定一段包含多个用户行为的用户行为序列；从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
可选地，所述标签单元，适于当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
可选地，所述标签单元，适于当依据所述日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
可选地，所述标签单元，适于当依据所述日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
可选地，所述标签单元，适于当依据所述日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
可选地，所述训练单元，适于根据有监督学习算法训练得到所述有效行为路径模型。
依据本发明的又一方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
依据本发明的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的方法。
由上述可知，本发明的技术方案，通过生成与自动化测试过程中模拟的多个用户行为对应的日志记录，根据日志记录确定一条或多条行为路径，按照预设规则为各行为路径添加行为有效性标签，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。该技术方案通过机器学习的方式，能够通过根据日志记录确定行为路径的方式，明确何种行为路径是有效路径，何种行为路径是无效路径，在这些样本数据的基础上训练得到有效行为路径模型，可以进一步对自动化测试行为进行优化，提高自动化测试的效率和可用性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的一种自动化测试行为的训练方法的流程示意图；
图2示出了根据本发明一个实施例的一种自动化测试行为的训练装置的结构示意图；
图3示出了根据本发明一个实施例的电子设备的结构示意图；
图4示出了根据本发明一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的一种自动化测试行为的训练方法的流程示意图。如图1所示，该方法包括：
步骤S110，生成与自动化测试过程中模拟的多个用户行为对应的日志记录。
这里的用户行为可以是屏幕行为(可以具体到重压还是轻按，触碰或是滑动，短按亦或长按等等)、物理按键行为(例如音量键、锁屏键的长按或是短按)等等。由于自动化测试过程中一般没有实际的用户来产生用户行为，在本实施例中是通过模拟方式来实现用户行为的。
步骤S120，根据日志记录确定一条或多条行为路径。
这里的行为路径实际上是一些用户行为的集合，之所以能够称之为路径，一方面是有先后顺序的限制，另一方面也是对应于应用的相应处理逻辑，例如点击屏幕的某个位置，触发了一个控件，应用跳转至另一界面，这样层层递进，就形成了在应用中不断测试各类功能的一条行为路径。
步骤S130，按照预设规则为各行为路径添加行为有效性标签。
步骤S140，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
可见，图1所示的方法，通过生成与自动化测试过程中模拟的多个用户行为对应的日志记录，根据日志记录确定一条或多条行为路径，按照预设规则为各行为路径添加行为有效性标签，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。该技术方案通过机器学习的方式，能够通过根据日志记录确定行为路径的方式，明确何种行为路径是有效路径，何种行为路径是无效路径，在这些样本数据的基础上训练得到有效行为路径模型，可以进一步对自动化测试行为进行优化，提高自动化测试的效率和可用性。
在本发明的一个实施例中，上述方法中，生成与自动化测试过程中模拟的多个用户行为对应的日志记录包括：在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
其中，自动化测试代码可以是基于monkey工具实现的。Monkey可以实现连续输出伪随机的用户行为，或者称为用户事件流，在本实施例中可以对其进行一定的修改，使得在触发打点规则时还产生相应的日志记录。这样就能够记录下与测试相关的用户行为，例如，自动化代码对智能终端进行了锁屏操作之后，在屏幕上的很多点击操作是没有意义的，不需要对这些操作对应的用户行为进行记录。
在本发明的一个实施例中，上述方法还包括：根据有效行为路径模型对自动化测试代码进行调整。
这样就实现了一个迭代、不断循环的训练过程，通过模型调整代码，再由代码输出用户行为产生行为路径，再继续训练，最终得到的模型就能够实现(理想化状态下)不需要人的干预就能够对应用进行有效的自动化测试。
在本发明的一个实施例中，上述方法中，根据日志记录确定一条或多条行为路径包括：根据日志记录确定一段包含多个用户行为的用户行为序列；从用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
日志记录是有着时间顺序的，那么对于的用户行为可以按操作的先后形成一条用户行为序列，对这个序列进行切分，方式可以是随机切分或是按照一定的算法切分，这里可以不做限制。由于日志记录很长，产生的用户行为序列也很长，那么一般而言可以得到数量庞大的行为路径，适合作为样本数据进行机器学习的训练。
下面给出了几种为行为路径添加行为有效性标签的示例。应当理解无法穷举有效性标签的添加方式，下述的几个实施例仅作为示例。
在本发明的一个实施例中，上述方法中，按照预设规则为各行为路径添加行为有效性标签包括：当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
例如，当行为路径中包含与“回到首页”对应的用户行为时，就认为这样会使测试回到原点，不是一个有效的行为路径。
在本发明的一个实施例中，上述方法中，按照预设规则为各行为路径添加行为有效性标签包括：当依据日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
容易理解，当依照该行为路径进行训练时，会产生重复，会造成自动化测试的效率低下，因此将这类行为路径标记为无效行为路径。
在本发明的一个实施例中，上述方法中，按照预设规则为各行为路径添加行为有效性标签包括：当依据日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
如果一条行为路径一直没有重复，并且达到了一定的测试深度时，可以认为这是一条有效的行为路径。这里的测试深度可以参照下面这个例子：在应用的首页点击控件A，跳转到页面a；又点击了页面a上的控件B，跳转到页面b……这样一连跳转了多个页面，测试的页面和控件数量都很多，则测试深度就相对深。反之如果点击了页面a上的控件C，就跳转回首页，这样的测试深度就相对浅。
在本发明的一个实施例中，上述方法中，按照预设规则为各行为路径添加行为有效性标签包括：当依据日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
例如，有些应用不响应于音量键的触发事件而产生相应操作(但是视频、音乐应用可能会)，那么就可以将包含音量键的操作对应的用户行为的行为路径记为无效行为。
在本发明的一个实施例中，上述方法中，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型包括：根据有监督学习算法训练得到有效行为路径模型。
有监督学习是从标签化训练数据集中推断出函数的机器学习任务。由于本发明实施例中采用为行为路径添加有效性标签的方式来实现样本数据，则采用现有的有监督学习算法来训练得到有效行为路径模型是一个不错的方式。具体来说，可以将无效行为路径标记为0，将有效行为路径标记为1。
这样就能够通过由有效行为路径模型约束随机性，从猴子般的乱点(这也是monkey工具名字的含义)变成有针对性的产生用户行为，更符合自动化测试的需求。
图2示出了根据本发明一个实施例的一种自动化测试行为的训练装置的结构示意图。如图2所示，自动化测试行为的训练装置200包括：
日志单元210，适于生成与自动化测试过程中模拟的多个用户行为对应的日志记录。
这里的用户行为可以是屏幕行为(可以具体到重压还是轻按，触碰或是滑动，短按亦或长按等等)、物理按键行为(例如音量键、锁屏键的长按或是短按)等等。由于自动化测试过程中一般没有实际的用户来产生用户行为，在本实施例中是通过模拟方式来实现用户行为的。
行为路径确定单元220，适于根据日志记录确定一条或多条行为路径；
这里的行为路径实际上是一些用户行为的集合，之所以能够称之为路径，一方面是有先后顺序的限制，另一方面也是对应于应用的相应处理逻辑，例如点击屏幕的某个位置，触发了一个控件，应用跳转至另一界面，这样层层递进，就形成了在应用中不断测试各类功能的一条行为路径。
标签单元230，适于按照预设规则为各行为路径添加行为有效性标签；
训练单元240，适于以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
可见，图2所示的装置，通过各单元的相互配合，生成与自动化测试过程中模拟的多个用户行为对应的日志记录，根据日志记录确定一条或多条行为路径，按照预设规则为各行为路径添加行为有效性标签，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。该技术方案通过机器学习的方式，能够通过根据日志记录确定行为路径的方式，明确何种行为路径是有效路径，何种行为路径是无效路径，在这些样本数据的基础上训练得到有效行为路径模型，可以进一步对自动化测试行为进行优化，提高自动化测试的效率和可用性。
在本发明的一个实施例中，上述装置中，日志单元210，适于在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
其中，自动化测试代码可以是基于monkey工具实现的。Monkey可以实现连续输出伪随机的用户行为，或者称为用户事件流，在本实施例中可以对其进行一定的修改，使得在触发打点规则时还产生相应的日志记录。这样就能够记录下与测试相关的用户行为，例如，自动化代码对智能终端进行了锁屏操作之后，在屏幕上的很多点击操作是没有意义的，不需要对这些操作对应的用户行为进行记录。
在本发明的一个实施例中，上述装置还包括：调整单元，属于根据有效行为路径模型对自动化测试代码进行调整。
这样就实现了一个迭代、不断循环的训练过程，通过模型调整代码，再由代码输出用户行为产生行为路径，再继续训练，最终得到的模型就能够实现(理想化状态下)不需要人的干预就能够对应用进行有效的自动化测试。
在本发明的一个实施例中，上述装置中，行为路径确定单元220，适于根据日志记录确定一段包含多个用户行为的用户行为序列；从用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
日志记录是有着时间顺序的，那么对于的用户行为可以按操作的先后形成一条用户行为序列，对这个序列进行切分，方式可以是随机切分或是按照一定的算法切分，这里可以不做限制。由于日志记录很长，产生的用户行为序列也很长，那么一般而言可以得到数量庞大的行为路径，适合作为样本数据进行机器学习的训练。
下面给出了几种为行为路径添加行为有效性标签的示例。应当理解无法穷举有效性标签的添加方式，下述的几个实施例仅作为示例。
在本发明的一个实施例中，上述装置中，标签单元230，适于当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
例如，当行为路径中包含与“回到首页”对应的用户行为时，就认为这样会使测试回到原点，不是一个有效的行为路径。
在本发明的一个实施例中，上述装置中，标签单元230，适于当依据日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
容易理解，当依照该行为路径进行训练时，会产生重复，会造成自动化测试的效率低下，因此将这类行为路径标记为无效行为路径。
在本发明的一个实施例中，上述装置中，标签单元230，适于当依据日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
如果一条行为路径一直没有重复，并且达到了一定的测试深度时，可以认为这是一条有效的行为路径。这里的测试深度可以参照下面这个例子：在应用的首页点击控件A，跳转到页面a；又点击了页面a上的控件B，跳转到页面b……这样一连跳转了多个页面，测试的页面和控件数量都很多，则测试深度就相对深。反之如果点击了页面a上的控件C，就跳转回首页，这样的测试深度就相对浅。
在本发明的一个实施例中，上述装置中，标签单元230，适于当依据日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
例如，有些应用不响应于音量键的触发事件而产生相应操作(但是视频、音乐应用可能会)，那么就可以将包含音量键的操作对应的用户行为的行为路径记为无效行为。
在本发明的一个实施例中，上述装置中，训练单元240，适于根据有监督学习算法训练得到有效行为路径模型。
有监督学习是从标签化训练数据集中推断出函数的机器学习任务。由于本发明实施例中采用为行为路径添加有效性标签的方式来实现样本数据，则采用现有的有监督学习算法来训练得到有效行为路径模型是一个不错的方式。具体来说，可以将无效行为路径标记为0，将有效行为路径标记为1。
这样就能够通过由有效行为路径模型约束随机性，从猴子般的乱点(这也是monkey工具名字的含义)变成有针对性的产生用户行为，更符合自动化测试的需求。
综上所述，本发明的技术方案，通过生成与自动化测试过程中模拟的多个用户行为对应的日志记录，根据日志记录确定一条或多条行为路径，按照预设规则为各行为路径添加行为有效性标签，以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。该技术方案通过机器学习的方式，能够通过根据日志记录确定行为路径的方式，明确何种行为路径是有效路径，何种行为路径是无效路径，在这些样本数据的基础上训练得到有效行为路径模型，可以进一步对自动化测试行为进行优化，提高自动化测试的效率和可用性。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的自动化测试行为的训练装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图3示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备包括处理器310和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器320。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码331的存储空间330。例如，用于存储计算机可读程序代码的存储空间330可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码331。计算机可读程序代码331可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图4所述的计算机可读存储介质。图4示出了根据本发明一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质400存储有用于执行根据本发明的方法步骤的计算机可读程序代码331，可以被电子设备300的处理器310读取，当计算机可读程序代码331由电子设备300运行时，导致该电子设备300执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码331可以执行上述任一实施例中示出的方法。计算机可读程序代码331可以以适当形式进行压缩。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明的实施例公开了A1、一种自动化测试行为的训练方法，包括：
生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
根据所述日志记录确定一条或多条行为路径；
按照预设规则为各行为路径添加行为有效性标签；
以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
A2、如A1所述的方法，其中，所述生成与自动化测试过程中模拟的多个用户行为对应的日志记录包括：
在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；
当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
A3、如A2所述的方法，其中，所述方法还包括：
根据所述有效行为路径模型对所述自动化测试代码进行调整。
A4、如A1所述的方法，其中，所述根据所述日志记录确定一条或多条行为路径包括：
根据所述日志记录确定一段包含多个用户行为的用户行为序列；
从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
A5、如A1所述的方法，其中，所述按照预设规则为各行为路径添加行为有效性标签包括：
当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
A6、如A1所述的方法，其中，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
A7、如A1所述的方法，其中，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
A8、如A1所述的方法，其中，所述按照预设规则为各行为路径添加行为有效性标签包括：
当依据所述日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
A9、如A1所述的方法，其中，所述以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型包括：
根据有监督学习算法训练得到所述有效行为路径模型。
本发明的实施例还公开了B10、一种自动化测试行为的训练装置，包括：
日志单元，适于生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
行为路径确定单元，适于根据所述日志记录确定一条或多条行为路径；
标签单元，适于按照预设规则为各行为路径添加行为有效性标签；
训练单元，适于以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
B11、如B10所述的装置，其中，
所述日志单元，适于在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
B12、如B11所述的装置，其中，所述装置还包括：
调整单元，属于根据所述有效行为路径模型对所述自动化测试代码进行调整。
B13、如B10所述的装置，其中，
所述行为路径确定单元，适于根据所述日志记录确定一段包含多个用户行为的用户行为序列；从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
B14、如B10所述的装置，其中，
所述标签单元，适于当一条行为路径中包含指定类型的用户行为时，为该条行为路径添加无效行为标签。
B15、如B10所述的装置，其中，
所述标签单元，适于当依据所述日志记录判断一条行为路径中包含回路时，为该条行为路径添加无效行为标签。
B16、如B10所述的装置，其中，
所述标签单元，适于当依据所述日志记录判断一条行为路径满足测试深度条件时，为该条行为路径添加有效行为标签。
B17、如B10所述的装置，其中，
所述标签单元，适于当依据所述日志记录判断一条行为路径中包含与预设的应用操作对应的用户行为时，为该条行为路径添加无效行为标签。
B18、如B10所述的装置，其中，
所述训练单元，适于根据有监督学习算法训练得到所述有效行为路径模型。
本发明的实施例还公开了C19、一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如A1-A9中任一项所述的方法。
本发明的实施例还公开了D20、一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如A1-A9中任一项所述的方法。
Claims (10)
1.一种自动化测试行为的训练方法，包括：
生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
根据所述日志记录确定一条或多条行为路径；
按照预设规则为各行为路径添加行为有效性标签；
以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
2.如权利要求1所述的方法，其中，所述生成与自动化测试过程中模拟的多个用户行为对应的日志记录包括：
在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；
当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
3.如权利要求2所述的方法，其中，所述方法还包括：
根据所述有效行为路径模型对所述自动化测试代码进行调整。
4.如权利要求1所述的方法，其中，所述根据所述日志记录确定一条或多条行为路径包括：
根据所述日志记录确定一段包含多个用户行为的用户行为序列；
从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
5.一种自动化测试行为的训练装置，包括：
日志单元，适于生成与自动化测试过程中模拟的多个用户行为对应的日志记录；
行为路径确定单元，适于根据所述日志记录确定一条或多条行为路径；
标签单元，适于按照预设规则为各行为路径添加行为有效性标签；
训练单元，适于以添加了行为有效性标签的各条行为路径作为样本数据，训练得到有效行为路径模型。
6.如权利要求5所述的装置，其中，
所述日志单元，适于在应用启动后，由自动化测试代码向操作系统模拟输出连续的多个用户行为；当一个用户行为触发了预设的打点规则时，为该用户行为生成一条日志记录。
7.如权利要求6所述的装置，其中，所述装置还包括：
调整单元，属于根据所述有效行为路径模型对所述自动化测试代码进行调整。
8.如权利要求5所述的装置，其中，
所述行为路径确定单元，适于根据所述日志记录确定一段包含多个用户行为的用户行为序列；从所述用户行为序列中选择一段或多段连续的部分序列，根据各部分序列对应的用户行为生成相应的行为路径。
9.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810802204.5A CN110737570A (zh) | 2018-07-20 | 2018-07-20 | 自动化测试行为的训练方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810802204.5A CN110737570A (zh) | 2018-07-20 | 2018-07-20 | 自动化测试行为的训练方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110737570A true CN110737570A (zh) | 2020-01-31 |
Family
ID=69235657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810802204.5A Pending CN110737570A (zh) | 2018-07-20 | 2018-07-20 | 自动化测试行为的训练方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110737570A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113419967A (zh) * | 2021-07-22 | 2021-09-21 | 中国工商银行股份有限公司 | 一种基于多用户学习的自动化测试方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6349393B1 (en) * | 1999-01-29 | 2002-02-19 | International Business Machines Corporation | Method and apparatus for training an automated software test |
| US20050254775A1 (en) * | 2004-04-01 | 2005-11-17 | Techsmith Corporation | Automated system and method for conducting usability testing |
| CN102576432A (zh) * | 2009-10-08 | 2012-07-11 | 国际商业机器公司 | 自动的测试执行计划生成 |
| CN103713989A (zh) * | 2012-09-29 | 2014-04-09 | 百度在线网络技术（北京）有限公司 | 一种针对用户终端的测试用例生成方法和装置 |
| CN106502890A (zh) * | 2016-10-18 | 2017-03-15 | 乐视控股（北京）有限公司 | 测试用例生成方法及系统 |
| CN107870862A (zh) * | 2017-11-15 | 2018-04-03 | 厦门美图移动科技有限公司 | 新控件预测模型的构建方法、遍历测试方法和计算设备 |
-
2018
- 2018-07-20 CN CN201810802204.5A patent/CN110737570A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6349393B1 (en) * | 1999-01-29 | 2002-02-19 | International Business Machines Corporation | Method and apparatus for training an automated software test |
| US20050254775A1 (en) * | 2004-04-01 | 2005-11-17 | Techsmith Corporation | Automated system and method for conducting usability testing |
| CN102576432A (zh) * | 2009-10-08 | 2012-07-11 | 国际商业机器公司 | 自动的测试执行计划生成 |
| CN103713989A (zh) * | 2012-09-29 | 2014-04-09 | 百度在线网络技术（北京）有限公司 | 一种针对用户终端的测试用例生成方法和装置 |
| CN106502890A (zh) * | 2016-10-18 | 2017-03-15 | 乐视控股（北京）有限公司 | 测试用例生成方法及系统 |
| CN107870862A (zh) * | 2017-11-15 | 2018-04-03 | 厦门美图移动科技有限公司 | 新控件预测模型的构建方法、遍历测试方法和计算设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113419967A (zh) * | 2021-07-22 | 2021-09-21 | 中国工商银行股份有限公司 | 一种基于多用户学习的自动化测试方法和装置 |
| CN113419967B (zh) * | 2021-07-22 | 2024-08-06 | 中国工商银行股份有限公司 | 一种基于多用户学习的自动化测试方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018179765A1 (ja) | 情報処理装置、情報処理方法、及びコンピュータ可読記憶媒体 | |
| US7844413B2 (en) | Self-generated test automation | |
| US10078502B2 (en) | Verification of a model of a GUI-based application | |
| US9652360B2 (en) | Crawling for extracting a model of a GUI-based application | |
| WO2016048322A1 (en) | Determine secure activity of application under test | |
| Segall et al. | Common patterns in combinatorial models | |
| Xu et al. | Guider: Gui structure and vision co-guided test script repair for android apps | |
| CN106201857A (zh) | 测试用例的选取方法及装置 | |
| CN104462985A (zh) | bat漏洞的检测方法以及装置 | |
| CN106776334A (zh) | 基于注释生成测试用例方法及装置 | |
| CN108446398A (zh) | 一种数据库的生成方法及装置 | |
| CN113822438A (zh) | 机器学习模型训练检查点 | |
| CN114253920A (zh) | 一种交易重新排序方法、装置、设备及可读存储介质 | |
| CN112257816B (zh) | 模型的后门检测方法、装置、介质和计算设备 | |
| CN110737570A (zh) | 自动化测试行为的训练方法和装置 | |
| CN111091863A (zh) | 一种存储设备故障检测方法及相关装置 | |
| CN104462311A (zh) | 一种信息的展示方法和装置 | |
| CN110737578A (zh) | 一种测试应用方法和装置 | |
| CN113470723A (zh) | 读重试测试方法、装置、可读存储介质及电子设备 | |
| CN114880637B (zh) | 账户风险的验证方法、装置、计算机设备和存储介质 | |
| JP6959624B2 (ja) | セキュリティアセスメントシステム | |
| CN110209563A (zh) | 试题测评监管方法、电子设备及计算机存储介质 | |
| US10330728B2 (en) | Method and apparatus for obtaining a maximally compressed verification test set | |
| CN112069508B (zh) | 机器学习框架漏洞api参数定位方法、系统、设备及介质 | |
| KR101685299B1 (ko) | 비결정적인 이벤트 처리가 가능한 프로그램의 자동 테스트 방법 및 자동 테스트 장치 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |