CN110780850A - 需求用例辅助生成方法、装置、计算机设备及存储介质 - Google Patents
需求用例辅助生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110780850A CN110780850A CN201911016853.3A CN201911016853A CN110780850A CN 110780850 A CN110780850 A CN 110780850A CN 201911016853 A CN201911016853 A CN 201911016853A CN 110780850 A CN110780850 A CN 110780850A
- Authority
- CN
- China
- Prior art keywords
- requirement
- keyword
- keywords
- demand
- receiving
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及数据处理领域,公开了一种需求用例辅助生成方法、装置、计算机设备及存储介质,其方法包括:接收需求信息;获取与所述需求信息匹配的关键字;接收输入指令,以设置所述关键字的配置参数;在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。本发明提供的方案,可以降低需求开发的难度,同时提高需求用例的输出效率和输出质量。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种需求用例辅助生成方法、装置、计算机设备及存储介质。
背景技术
需求是产品的基础。定义高质量的需求是提供成功产品的关键之一。然而,由于时间的压力以及资源的限制,需求工程师在较短时间内难以产出质量较高的需求用例。
使用传统的需求工程的方法,从需求获取、需求文档、需求协商直至需求管理,并最终形成合格的需求用例,需要花费大量的时间和精力。例如,利用访谈方式获取需求信息,获取的需求信息不够全面。同时考虑到对需求的复用,从需求信息中选择关键需求是存在困难,通常需要花费大量的时间。另一方面,传统的自然语言描述的需求文档方式,在用于信息转达时,非常容易产生歧义,而利用图形语言描述的需求信息存在局限性。利用图形语言描述的需求信息只能描述某个角度的需求,并且图形语言只能由专业人员编写并释义,在应用上。
因而,如何降低需求开发的难度,提高需求用例的输出效率和输出质量,对于需求工程师而言,是亟需解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种需求用例辅助生成方法、装置、计算机设备及存储介质,以降低需求开发的难度,提高需求用例的输出效率和输出质量。
一种需求用例辅助生成方法,包括:
接收需求信息;
获取与所述需求信息匹配的关键字;
接收输入指令,以设置所述关键字的配置参数;
在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
一种需求用例辅助生成装置,包括:
接收模块,用于接收需求信息;
获取关键字模块,用于获取与所述需求信息匹配的关键字;
设置模块,用于接收输入指令,以设置所述关键字的配置参数;
生成用例模块,用于在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述需求用例辅助生成方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述需求用例辅助生成方法。
上述需求用例辅助生成方法、装置、计算机设备及存储介质,通过接收需求信息,以获取用户输入的数据。获取与所述需求信息匹配的关键字,以选取已经结构化的关键字,减少沟通时存在的歧义。接收输入指令,以设置所述关键字的配置参数,以明晰关键字的进一步需求。在确定设置完毕后,根据已设置配置参数的关键字生成需求用例,以输出高质量、低歧义的需求用例。本发明提供的需求用例辅助生成方法、装置、计算机设备及存储介质,可以降低需求开发的难度,同时提高需求用例的输出效率和输出质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中需求用例辅助生成方法的一应用环境示意图;
图2是本发明一实施例中需求用例辅助生成方法的一流程示意图;
图3是本发明一实施例中需求用例辅助生成方法的一流程示意图;
图4是本发明一实施例中需求用例辅助生成方法的一流程示意图;
图5是本发明一实施例中需求用例辅助生成方法的一流程示意图;
图6是本发明一实施例中需求用例辅助生成方法的一流程示意图;
图7是本发明一实施例中需求用例辅助生成装置的一结构示意图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供的账户方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务端进行通信。其中,客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种需求用例辅助生成方法,以该方法应用在图1中的服务端为例进行说明,包括如下步骤:
S10、接收需求信息;
S20、获取与所述需求信息匹配的关键字;
S30、接收输入指令,以设置所述关键字的配置参数;
S40、在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
本实施例提供的需求用例辅助生成方法,适用于一些高度结构化或同质化领域,如金融软件领域、通信软件领域等。在这些技术领域,具有较多同质性的需求,如安全性需求、质量性需求、标准化需求。在该技术领域内的项目的运行和实施中,相应的需求会在每个项目的每个级别(验收、组件、集成、系统)被测试并验证正确性。通过大规模地应用,经过多次的验证并优化需求库,需求库里的关键字在数量和质量上都会产生大幅的提升,可形成小范围内的规模效应,推动需求用例质量整体上的提高。
在实施需求用例辅助生成方法时,需要预先构建关键字需求库,即预设关键字需求库。在初始阶段,可以使用模式化识别和自然语言识别方法构建预设关键字需求库。预设关键字需求库包括关键字及其参数。在维护预设关键字需求库时,可以通过新增、修改、删除等方式更新预设关键字需求库内的关键字及其参数。还可以根据需要为关键字添加标签,以对关键字进行分类。
当本实施例提供的方法用于生成需求用例时,用户可在客户端上输入需求信息。输入方式可以是灵活的,如可以是键盘键入、文本导入、语音输入、图像识别输入等。需求信息可以是自然语言,如,一实例中,用户输入的需求信息为:1、保单录入订单号;2、上传影像。
可以使用预设的识别模型对需求信息进行识别,然后获取与需求信息匹配的关键字。预设的识别模型可以基于自然语言识别方法而构建,也可以是基于模式化识别而构建。在一实例中,经预设的识别模型识别,然后确定出与需求信息匹配的关键字包括:1、投保单录入;2、上传影像。
对于每个关键字,可以包含一个或多个的设置项。关键字的所有设置项构成了该关键字的配置参数。在一实施例中,关键字“投保单录入”所包含的设置项包括:订单号、是否人工录入、投保主险、附加险、投保人、被保人、保险期限、投保保障、保障保额、保障因子。用户可以根据实际需求对各个设置项进行设置,以明确具体的需求。
当用户确定所有关键字的设置项均已设置完毕,即可一键生成需求用例。需要注意的是,这里所说的已设置配置参数的关键字,可以包括经过用户设置操作过的关键字,也可以包括与需求信息匹配,但未经用户设置操作过的关键字。此时,未经用户设置操作过的关键字的设置的配置参数为默认的配置参数。
在一实例中,一需求用例(部分内容)可以是:
1、选择投保主险和附加险,录入投保人、被保人、保险期限、投保保障、保障保额、保障因子;
2、人工判断是否非准件,非标准件需要上传影像资料,如申请材料或客户资料扫描件。
步骤S10-S40中,接收需求信息,以获取用户输入的数据。获取与所述需求信息匹配的关键字,以选取已经结构化的关键字,减少沟通时存在的歧义。接收输入指令,以设置所述关键字的配置参数,以明晰关键字的进一步需求。在确定设置完毕后,根据已设置配置参数的关键字生成需求用例,以输出高质量、低歧义的需求用例。
可选的,如图3所示,步骤S20包括:
S201、从所述需求信息提取指定识别标识;
S202、从预设关键字需求库中获取与所述指定识别标识关联的所述关键字。
本实施例中,需求信息可以使用特殊的识别标识。在预设关键字需求库中,可以预设若干个指定识别标识,当用户输入的需求信息包含这些指定识别标识,可自动获取与指定识别标识关联的关键字。例如,若预设关键字需求库包含三个与上传影像相关的关键字,分别为上传影像01、上传影像02和上传影像03,当需求信息包含了需求信息03这一指定识别标识,则可快速地从预设关键字需求库中获取与需求信息03关联的关键字。在一些情况下,可以预先设定多个场景下的关键字,并为该关键字添加场景标签,将场景标签作为识别指定识别标识的参照。在一些情况下,指定识别标识还可以包括系统符号、系统序列号等。
可选的,如图4所示,步骤S20还包括:
S203、将所述需求信息输入预设关键词匹配模型;
S204、获取所述预设关键词匹配模型输出的所述关键字。
本实施例中,预设关键词匹配模型可以是基于LSTM(长短期记忆网络)方法实现。具体的,可以根据收集到的原始自然语言描述需求,进行语义分析,自动选择/生成产品相关的关键字和参数,然后使用多层LSTM网络预测。LSTM网络可以记忆不定时间长度的数值,数据处理区块中设置有一个控制门,该控制门能够决定输入的数据是否重要到能被记住及能不能被输出。
在模型构建过程中,可以使用卷积神经网络与LSTM网络、模式识别模式、以及关键字库模型相结合,实现关键字的精确匹配及自学习。具体的,可以基于现有的关键字库构建答案向量,将原始需求信息作为问题向量。基于问题向量与答案向量之间的强关联性,在关键词匹配模型中增加关注值(attention),结合问题向量与答案向量之间的LSTM隐向量求取关注值。这样,对于类似的答案向量,可为不同的问题向量设定优先级。问题向量可以使用标点作为单位,答案向量可以使用关键字为单位。将双向LSTM的输出矩阵以每个词左右各扩展N个,这样能得到更多的细节信息,有利于局部信息的利用。先做LSTM再进行卷积,把信息高损操作放到后面,以避免使用卷积处理导致信息的损失。
例如,原始需求信息包括“选择投保主险和附加险,录入投保人、被保人、保险期限、投保保障、保障保额、保障因子等必录信息”。用标点符号来分割输入,第一个输入就是“选择投保主险和附加险”。由于汉字不能作为向量值,可以需要使用wordembedding技术将其embedding,之后会得到问题向量[0.1,0.8,3.2,4.3,0.3,1.8,2.2,5.3,1.1,2.8,3.3,4.1,7.3,5.8,6.2,5.9,0.1,0.8,3.2,4.3,0.3,1.8,2.2,5.3,1.1,2.8,3.3,4.1,7.3,5.8,6.2,5.9,2.8,3.3,4.1,7.3,5.8,6.2,5.9,0.1],这是一个40维向量,就需要40个LSTM的神经元来接收这些向量。这40个神经元可用作用于模型训练的LSTM单元。后面的输入依次处理,作为不同时刻的输入,直至所有原始需求信息全部处理完。事实上,输入层神经元(LSTMunit中神经元数)的个数等于词向量的大小。
对于需求关键字向量,每个关键字作为独立向量处理,对于每一个需求关键字,可以使用wordembedding技术构建相应的需求关键字向量,即为答案向量。答案向量之间都是独立的,n个关键字就是构成了n维的向量空间。
在关键词匹配模型中,先对问题向量进行双向长短时记忆网络神经算法计算。可以使用标准LSTM算法,并优化调整参数。在计算过程中,后一个计算单元会对前一个进行反馈。并再此基础上进行N扩展。之后再进行网络神经卷积(可采用标准RNN算法,不做特殊处理),同时结合计算出的问题向量对答案向量的关注值来选取关键字。此即为关键词匹配模型前向算法的计算过程。
还可以采用LSTM标准反向传播算法对关键词匹配模型进行训练。具体训练步骤如下:1、前向计算每个神经元的输出值;2、反向计算每个神经元的误差项值,LSTM误差项的反向传播包括两个方向:一个是沿时间的反向传播,即从当前t时刻开始,计算每个时刻的误差项;另一个是将误差项向上一层传播;3、根据相应的误差项,计算每个权重的梯度。
经训练后获得了预设关键词匹配模型。将需求信息输入预设关键词匹配模型,预设关键词匹配模型对需求信息进行解析,并输出与需求信息匹配的关键字。
可选的,如图5所示,步骤S30包括:
S301、当所述关键字处于被选定状态时,显示与所述被选定的关键字关联的设置项;
S302、接收对所述设置项的设置指令,根据所述设置指令将所述设置项与指定数字规则关联,所述输入指令包括所述设置指令,所述配置参数包括所述设置项与所述指定数字规则之间的关联关系。
本实施例中,与需求信息匹配的关键字可以是多个。用户可以逐一对各个关键字进行设置。当关键字处于被选定状态时,可以显示与被选定的关键字关联的设置项(需要注意的时,当关键字未处于被选定状态时,也可以显示与被选定的关键字关联的设置项,在一些情况下,关键字未被选定,其对应的设置项呈灰度,以表明这些设置项处于非编辑状态)。用户可以对具体的设置项进行配置。在一些情况下,当关键字被选定时,还可以显示与关键字关联的注释文本,以帮助用户更好地理解关键字的定义及使用方法。为了提高用户配置设置项的效率,可以预先制定若干指定数字规则,当需要对设置项进行配置时,以调用的方式将设置项与指定数字规则关联。例如,一设置项为订单号,指定数字规则可以包括订单编号规则V1.0和订单编号规则V2.0。用户可以根据实际需要快速选择与设置项适配的指定数字规则。
可选的,所述指定数字规则包括自定义规则和预设数字处理规则。
本实施例中,指定数字规则可以是自定义规则,也可以是预设数字处理规则。当用户输入的是自定义规则,新增的自定义规则可以自动添加到预设关键字需求库内,方便用户在下次使用时进行调用。在维护预设关键字需求库时,还可以删除使用频率低的指定数字规则。
可选的,如图6所示,步骤S30之后还包括:
S31、在确定当前用户具有修改权限时,接收关键字编辑指令;
S32、根据所述关键字编辑指令对所述关键字的预设参数进行修改。
本实施例中,还可以设置权限校检程序,以判断当前用户是否具有修改关键字的权限。若当前用户具有修改关键字的权限,则可以对关键字进行编辑,以提高关键字的准确性。关键字的修改包括但不限于关键字名称的修改、设置项的修改。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种需求用例辅助生成装置,该需求用例辅助生成装置与上述实施例中需求用例辅助生成方法一一对应。如图7所示,该需求用例辅助生成装置包括接收模块10、获取关键字模块20、设置模块30和生成用例模块40。各功能模块详细说明如下:
接收模块10,用于接收需求信息;
获取关键字模块20,用于获取与所述需求信息匹配的关键字;
设置模块30,用于接收输入指令,以设置所述关键字的配置参数;
生成用例模块40,用于在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
可选的,获取关键字模块20包括:
标识提取单元,用于从所述需求信息提取指定识别标识;
确定关键字单元,用于从预设关键字需求库中获取与所述指定识别标识关联的所述关键字。
可选的,获取关键字模块20还包括:
模型输入单元,用于将所述需求信息输入预设关键词匹配模型;
模型输出单元,用于获取所述预设关键词匹配模型输出的所述关键字。
可选的,设置模块30包括:
选择关键字单元,用于当所述关键字处于被选定状态时,显示与所述被选定的关键字关联的设置项;
设置单元,用于接收对所述设置项的设置指令,根据所述设置指令将所述设置项与指定数字规则关联,所述输入指令包括所述设置指令,所述配置参数包括所述设置项与所述指定数字规则之间的关联关系。
可选的,所述指定数字规则包括自定义规则和预设数字处理规则。
可选的,设置模块30还包括:
接收编辑指令单元,用于在确定当前用户具有修改权限时,接收关键字编辑指令;
关键字修改单元,用于根据所述关键字编辑指令对所述关键字的预设参数进行修改。
关于需求用例辅助生成装置的具体限定可以参见上文中对于需求用例辅助生成方法的限定,在此不再赘述。上述需求用例辅助生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储需求用例辅助生成方法涉及的方法。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种需求用例辅助生成方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
接收需求信息;
获取与所述需求信息匹配的关键字;
接收输入指令,以设置所述关键字的配置参数;
在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收需求信息;
获取与所述需求信息匹配的关键字;
接收输入指令,以设置所述关键字的配置参数;
在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种需求用例辅助生成方法,其特征在于,包括:
接收需求信息;
获取与所述需求信息匹配的关键字;
接收输入指令,以设置所述关键字的配置参数;
在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
2.如权利要求1所述的需求用例辅助生成方法,其特征在于,所述获取与所述需求信息匹配的关键字,包括:
从所述需求信息提取指定识别标识;
从预设关键字需求库中获取与所述指定识别标识关联的所述关键字。
3.如权利要求1所述的需求用例辅助生成方法,其特征在于,所述获取与所述需求信息匹配的关键字,包括:
将所述需求信息输入预设关键词匹配模型;
获取所述预设关键词匹配模型输出的所述关键字。
4.如权利要求1所述的需求用例辅助生成方法,其特征在于,所述接收输入指令,以设置所述关键字的配置参数,包括:
当所述关键字处于被选定状态时,显示与所述被选定的关键字关联的设置项;
接收对所述设置项的设置指令,根据所述设置指令将所述设置项与指定数字规则关联,所述输入指令包括所述设置指令,所述配置参数包括所述设置项与所述指定数字规则之间的关联关系。
5.如权利要求4所述的需求用例辅助生成方法,其特征在于,所述指定数字规则包括自定义规则和预设数字处理规则。
6.如权利要求1所述的需求用例辅助生成方法,其特征在于,所述接收输入指令,以设置所述关键字的配置参数之后,还包括:
在确定当前用户具有修改权限时,接收关键字编辑指令;
根据所述关键字编辑指令对所述关键字的预设参数进行修改。
7.一种需求用例辅助生成装置,其特征在于,包括:
接收模块,用于接收需求信息;
获取关键字模块,用于获取与所述需求信息匹配的关键字;
设置模块,用于接收输入指令,以设置所述关键字的配置参数;
生成用例模块,用于在确定设置完毕后,根据已设置配置参数的关键字生成需求用例。
8.如权利要求7所述的需求用例辅助生成装置,其特征在于,所述获取关键字模块包括:
标识提取单元,用于从所述需求信息提取指定识别标识;
确定关键字单元,用于从预设关键字需求库中获取与所述指定识别标识关联的所述关键字。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述需求用例辅助生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述需求用例辅助生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016853.3A CN110780850B (zh) | 2019-10-24 | 2019-10-24 | 需求用例辅助生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016853.3A CN110780850B (zh) | 2019-10-24 | 2019-10-24 | 需求用例辅助生成方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110780850A true CN110780850A (zh) | 2020-02-11 |
CN110780850B CN110780850B (zh) | 2021-01-05 |
Family
ID=69387314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911016853.3A Active CN110780850B (zh) | 2019-10-24 | 2019-10-24 | 需求用例辅助生成方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110780850B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579466A (zh) * | 2020-12-25 | 2021-03-30 | 深圳证券交易所 | 测试用例的生成方法、装置及计算机可读存储介质 |
CN112579466B (zh) * | 2020-12-25 | 2024-06-07 | 深圳证券交易所 | 测试用例的生成方法、装置及计算机可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000215204A (ja) * | 1999-01-22 | 2000-08-04 | Nec Corp | 顧客対応事例検索システム |
CN103838672A (zh) * | 2014-03-04 | 2014-06-04 | 中国工商银行股份有限公司 | 一种通用报表的自动化测试方法及装置 |
CN104123227A (zh) * | 2014-08-13 | 2014-10-29 | 广东电网公司信息中心 | 一种自动生成测试用例的方法 |
CN104965781A (zh) * | 2015-06-04 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种生成测试用例的方法及装置 |
CN104965790A (zh) * | 2015-07-17 | 2015-10-07 | 小米科技有限责任公司 | 基于关键字驱动的软件测试方法及系统 |
CN105426309A (zh) * | 2015-11-13 | 2016-03-23 | 上海斐讯数据通信技术有限公司 | 测试用例自动生成方法和装置 |
CN106598848A (zh) * | 2016-11-30 | 2017-04-26 | 中国直升机设计研究所 | 一种关键字驱动的机载软件自动化测试方法及系统 |
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 |
CN107832229A (zh) * | 2017-12-03 | 2018-03-23 | 中国直升机设计研究所 | 一种基于nlp的系统测试用例自动生成方法 |
US20180246805A1 (en) * | 2014-11-12 | 2018-08-30 | International Business Machines Corporation | System and method for determining requirements for testing software |
CN109032921A (zh) * | 2018-06-08 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 一种结构化需求用例自动生成方法及装置 |
US10437713B2 (en) * | 2016-02-09 | 2019-10-08 | General Electric Company | System and method for equivalence class analysis-based automated requirements-based test case generation |
-
2019
- 2019-10-24 CN CN201911016853.3A patent/CN110780850B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000215204A (ja) * | 1999-01-22 | 2000-08-04 | Nec Corp | 顧客対応事例検索システム |
CN103838672A (zh) * | 2014-03-04 | 2014-06-04 | 中国工商银行股份有限公司 | 一种通用报表的自动化测试方法及装置 |
CN104123227A (zh) * | 2014-08-13 | 2014-10-29 | 广东电网公司信息中心 | 一种自动生成测试用例的方法 |
US20180246805A1 (en) * | 2014-11-12 | 2018-08-30 | International Business Machines Corporation | System and method for determining requirements for testing software |
CN104965781A (zh) * | 2015-06-04 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种生成测试用例的方法及装置 |
CN104965790A (zh) * | 2015-07-17 | 2015-10-07 | 小米科技有限责任公司 | 基于关键字驱动的软件测试方法及系统 |
CN105426309A (zh) * | 2015-11-13 | 2016-03-23 | 上海斐讯数据通信技术有限公司 | 测试用例自动生成方法和装置 |
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 |
US10437713B2 (en) * | 2016-02-09 | 2019-10-08 | General Electric Company | System and method for equivalence class analysis-based automated requirements-based test case generation |
CN106598848A (zh) * | 2016-11-30 | 2017-04-26 | 中国直升机设计研究所 | 一种关键字驱动的机载软件自动化测试方法及系统 |
CN107832229A (zh) * | 2017-12-03 | 2018-03-23 | 中国直升机设计研究所 | 一种基于nlp的系统测试用例自动生成方法 |
CN109032921A (zh) * | 2018-06-08 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 一种结构化需求用例自动生成方法及装置 |
Non-Patent Citations (3)
Title |
---|
ANH QUOC DO ET AL: "Refinement and Resolution of Just-in-Time Requirements in Open Source Software: A Case Study", 《2017 IEEE 25TH INTERNATIONAL REQUIREMENTS ENGINEERING CONFERENCE WORKSHOPS (REW)》 * |
PALASH BERA ET AL: "A Software Tool to Convert Requirements to Test Cases", 《2019 IEEE/ACM 6TH INTERNATIONAL WORKSHOP ON REQUIREMENTS ENGINEERING AND TESTING (RET)》 * |
冯亚玲等: "用例驱动自动化测试在国产化环境下应用", 《数字技术与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579466A (zh) * | 2020-12-25 | 2021-03-30 | 深圳证券交易所 | 测试用例的生成方法、装置及计算机可读存储介质 |
CN112579466B (zh) * | 2020-12-25 | 2024-06-07 | 深圳证券交易所 | 测试用例的生成方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110780850B (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765763B (zh) | 语音识别文本的纠错方法、装置、计算机设备和存储介质 | |
CN110444198B (zh) | 检索方法、装置、计算机设备和存储介质 | |
CN110704588A (zh) | 基于长短期记忆网络的多轮对话语义分析方法和系统 | |
CN111814466A (zh) | 基于机器阅读理解的信息抽取方法、及其相关设备 | |
CN111666401B (zh) | 基于图结构的公文推荐方法、装置、计算机设备及介质 | |
CN111061847A (zh) | 对话生成及语料扩充方法、装置、计算机设备和存储介质 | |
CN110598210B (zh) | 实体识别模型训练、实体识别方法、装置、设备及介质 | |
CN111859916B (zh) | 古诗关键词提取、诗句生成方法、装置、设备及介质 | |
CN113159013B (zh) | 基于机器学习的段落识别方法、装置、计算机设备和介质 | |
CN112766319A (zh) | 对话意图识别模型训练方法、装置、计算机设备及介质 | |
CN113157900A (zh) | 意图识别方法、装置、计算机设备及存储介质 | |
WO2020140639A1 (zh) | 基于机器学习的报表生成方法、装置和计算机设备 | |
CN110377618B (zh) | 裁决结果分析方法、装置、计算机设备和存储介质 | |
CN111400340B (zh) | 一种自然语言处理方法、装置、计算机设备和存储介质 | |
CN112232052A (zh) | 文本拼接方法、装置、计算机设备及存储介质 | |
CN115904482B (zh) | 接口文档生成方法、装置、设备及存储介质 | |
CN110780850B (zh) | 需求用例辅助生成方法、装置、计算机设备及存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN116913254A (zh) | 语音识别模型的训练方法、装置、计算机设备及存储介质 | |
CN113420869B (zh) | 基于全方向注意力的翻译方法及其相关设备 | |
CN114969544A (zh) | 基于热点数据的推荐内容生成方法、装置、设备及介质 | |
US20200394733A1 (en) | Systems and methods for mobile device-based legal self help | |
CN112364136A (zh) | 关键词生成方法、装置、设备及存储介质 | |
CN111859939A (zh) | 文本匹配方法、系统和计算机设备 | |
CN113434652B (zh) | 智能问答方法、智能问答装置、设备及存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Yang Wanqiang Inventor after: Liu Haiying Inventor after: Jiang Huajun Inventor before: Yang Wanqiang Inventor before: Jiang Huajun Inventor before: Liu Haiying |
|
GR01 | Patent grant | ||
GR01 | Patent grant |