CN111124918B - 测试数据预测方法及装置、处理设备 - Google Patents
测试数据预测方法及装置、处理设备 Download PDFInfo
- Publication number
- CN111124918B CN111124918B CN201911345849.1A CN201911345849A CN111124918B CN 111124918 B CN111124918 B CN 111124918B CN 201911345849 A CN201911345849 A CN 201911345849A CN 111124918 B CN111124918 B CN 111124918B
- Authority
- CN
- China
- Prior art keywords
- test data
- data set
- historical
- abnormal
- current
- 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
- G06F11/368—Test management for test version control, e.g. updating test cases to a new software version
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种测试数据预测方法及装置、处理设备,其中方法包括:获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。本申请基于历史测试数据集来预测当前测试数据输入软件产品后可能出现异常的异常概率,若当前测试数据的异常概率大于预设概率,则表示当前测试数据很大概率会导致软件产品异常,为此增加当前测试数据的关注度。
Description
技术领域
本申请涉及通信技术领域,尤其涉及测试数据预测方法及装置、处理设备。
背景技术
在软件产品更新后投入使用之前,需要对软件产品进行软件测试。目前通常为依据软件产品容易出现异常地方构建测试数据集,并输入测试数据集至软件产品,以便验证软件产品是否可以通过软件测试。
测试数据集包括具有很多测试数据,将测试数据逐个输入至软件产品后,一些测试数据可能使得软件产品产生异常,一些测试数据可能不会使得软件产品产生异常。
在对软件产品进行软件测试之前,测试人员并不知道哪些测试数据可能使得软件产品产生异常,所以测试人员通常对各个测试数据的关注度一致。
为了便于测试人员对软件产品进行软件测试,测试人员在软件测试之前需要得知测试数据集中哪些测试数据可能使得软件产品产生异常,以便在软件测试过程中增加对这些测试数据的关注度。
发明内容
鉴于此,本申请提供测试数据预测方法及装置、处理设备,可以在软件测试之前对测试数据执行预测操作,获得测试数据输入软件产品后可能出现异常的异常概率,并在异常概率大于预设概率的情况下增加测试数据的关注度。
为了实现上述目的,本发明提供了下述技术特征:
一种测试数据预测方法,,包括:
获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
可选的,所述历史测试数据集包括测试结果为异常的异常测试数据集,以及,测试结果为正常的正常测试数据集;
则所述基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述历史测试数据集中异常测试数据集的所占比率;
基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率;
计算所述当前测试数据于所述历史测试数据集中的出现比率;
基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率。
可选的,所述计算所述历史测试数据集中异常测试数据集的所占比率包括:
确定所述异常测试数据集中的异常测试数据数量,以及,所述历史测试数据集中的测试数据总数量;
将所述异常测试数据数量与所述测试数据总数量的商,确定为所述历史测试数据集中异常测试数据集的所占比率。
可选的,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率包括:
计算所述当前测试数据中各个属性的属性值于所述异常测试数据集中的出现比率;
将各个属性的属性值于所述异常测试数据集中的出现比率的乘积,确定为所述当前测试数据的异常比率。
可选的,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述计算所述当前测试数据于所述历史测试数据集中的出现比率,包括:
计算所述当前测试数据中各个属性的属性值于所述历史测试数据集中出现比率;
将各个属性的属性值于所述历史测试数据集中出现比率的乘积,确定为所述当前测试数据于所述历史测试数据集中的出现比率。
可选的,所述基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述异常比率与所述所占比率的乘积;
计算该乘积与所述出现比率的商值;
将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率。
可选的,还包括:
对当前测试数据集中各个当前测试数据执行测试数据预测方法,获得各个当前测试数据的关注度;
对所述各个当前测试数据的关注度执行排序操作;
展示关注度大于预设关注度的多个当前测试数据。
可选的,所述历史版本软件产品包括所述软件产品的上一历史版本对应的软件产品。
一种测试数据预测装置,包括:
获取单元,用于获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
预测单元,用于基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
增加单元,用于若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
一种处理设备,包括:
处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
通过以上技术手段,可以实现以下有益效果:
本发明获取对历史版本软件产品进行软件测试的多个测试数据和测试结果,可以理解的是软件产品是在历史版本软件产品上的再次更新,所以用于对历史版本软件产品进行软件测试的多个测试数据和测试结果,在一定程度上可以用来预测当前测试数据的测试结果。
因此本申请基于历史测试数据集来预测当前测试数据输入软件产品后可能出现异常的异常概率,若当前测试数据的异常概率大于预设概率,则表示当前测试数据很大概率会导致软件产品异常,为此增加当前测试数据的关注度。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例公开的一种处理设备的结构示意图;
图2为本申请实施例公开的一种测试数据预测方法的实施例一流程图;
图3为本申请实施例公开的一种测试数据预测方法的实施例二流程图;
图4为本申请实施例公开的一种测试数据预测装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
参见图1,本发明提供了一种处理设备,包括:
处理器11和存储器12;
存储器12,用于存储历史测试数据集,以及,存储在处理器11上运行的程序。
本发明提供了一种测试数据预测方法的实施例一,也即处理器11执行程序时实现的步骤。参见图2,可以包括以下步骤:
步骤S201:获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果。
可以理解的是假设一软件产品进行三次更新获得:历史版本1软件产品,历史版本2软件产品,和,当前软件产品。即在历史版本1软件产品基础上进行更新获得历史版本2软件产品,在历史版本2软件产品基础上进行更新获得当前软件产品。
由于软件产品和历史版本软件产品是更新相同功能的,所以历史版本2软件产品容易出现问题的位置,与,当前软件产品容易出现问题的位置,大同小异。因此对于历史版本2软件产品进行软件测试的多个测试数据和测试结果,对当前软件产品进行软件测试具有指导意义的。
为此,本发明会获取当前的软件产品之前最近历史版本软件产品的多个测试数据以及一一对应多个测试结果,并将多个测试数据以及一一对应多个测试结果组成历史测试数据集。
步骤S202:基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率。
基于历史测试数据集来预测一个当前测试数据输入当前的软件产品后,可能使得当前的软件产品产生异常的异常概率。可选的,可以采用下述步骤来计算当前测试数据输入软件产品后可能出现异常的异常概率。
步骤S1:计算所述历史测试数据集中异常测试数据集的所占比率。
步骤S2:基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率。
步骤S3:计算所述当前测试数据于所述历史测试数据集中的出现比率。
步骤S4:基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率。
步骤S203:若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
在本实施例中仅展示一个当前测试数据的预测过程,可以理解的是,还可以采用相同预测过程对多个当前测试数据执行预测过程,详见图3所示的实施例,在此暂不赘述。
通过以上技术手段,可以实现以下有益效果:
本发明获取对历史版本软件产品进行软件测试的多个测试数据和测试结果,可以理解的是软件产品是在历史版本软件产品上的再次更新,所以用于对历史版本软件产品进行软件测试的多个测试数据和测试结果,在一定程度上可以用来预测当前测试数据的测试结果。
因此本申请基于历史测试数据集来预测当前测试数据输入软件产品后可能出现异常的异常概率,若当前测试数据的异常概率大于预设概率,则表示当前测试数据很大概率会导致软件产品异常,为此增加当前测试数据的关注度。
本发明提供了一种测试数据预测方法的实施例二,参见图3,可以包括以下步骤:
步骤S301:获取历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果。
步骤S302:获取当前测试数据集中一个当前测试数据;
可以理解的是,在此之前已经根据软件产品构建多个当前测试数据。可以理解的是,当前测试数据的数据结构与历史测试数据集中的历史测试数据的数据结构是相同的,即当前测试数据和历史测试数据具有相同属性,不过属性值不尽相同。
步骤S303:基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率。
假设,当前测试数据采用X表示,软件产品产生异常采用y1表示,则当前测试数据输入软件产品后产生异常的异常概率可以表示为p(y1|X),依据朴素贝叶斯定律可知:p(y1|X)=p(y1且X)/p(X)=p(X|y1)p(y1)/p(X)。因此本实施例将p(y1|x)转换为求解p(X|y1)、p(y1)和p(X)三个比率。
S1:计算所述历史测试数据集中异常测试数据集的所占比率p(y1)。
可选的,可以确定所述异常测试数据集中的异常测试数据数量N,以及,所述历史测试数据集中的测试数据总数量M;将所述异常测试数据数量与所述测试数据总数量的商,确定为所述历史测试数据集中异常测试数据集的所占比率N/M。
S2:基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率p(X|y1)。
其中当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性,当前测试数据和异常测试数据中的多个属性均是相同的。
假设X包括m个属性,X={x1,x2,...xi…xm},其中xi是X的第i个属性的属性值,且,各属性值之间相互独立。例如,多个属性可以包括:开发人员,测试人员,开发技能水平等级,测试技能水平等级,是否涉及客户标识修改,是否涉及手机号修改,联机或批量交易,新功能/修改功能/原有功能,前端版本号等等。
计算所述当前测试数据中各个属性的属性值于所述异常测试数据集中的出现比率;将各个属性的属性值于所述异常测试数据集中的出现比率的乘积,确定为所述当前测试数据的异常比率。
即,p(X|y1)=p(x1|y1)*p(x2|y1)*...*p(xi|y1)*...*p(xm|y1)。其中,p(xi|y1)=异常测试数据集中第i个属性的属性值为xi的测试数据数量/异常测试数据集中的测试数据总数量。
S3:计算所述当前测试数据于所述历史测试数据集中的出现比率p(X)。
P(X)=p(x1)*p(x2)*...*p(xi)*...*p(xm),其中p(xi)=历史测试数据集中第i个属性值为xi的测试数据数量/历史测试数据集中的测试数据总数量。
S4:基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率。
采用公式p(y1|X)=p(X|y1)p(y1)/p(X)来计算当前测试数据输入软件产品后可能出现异常的异常概率,也即计算所述异常比率p(y1)与所述所占比率p(X|y1)的乘积;计算该乘积与所述出现比率的商值p(X|y1)p(y1)/p(X);将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率p(y1|X)。
步骤S304:判断当前测试数据的异常概率是否大于预设概率,若是则进入步骤S305,若否则进入步骤S306。
判断当前测试数据的异常概率是否大于预设概率,例如50%,若是则表示当前测试数据有50%的概率会软件产品出现异常。为此进入步骤S105,以用于当前测试数据的关注度。
步骤S305:若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
可以理解的是,当前测试数据集中各个当前测试数据均具有一个基础关注度,若一个当前测试数据的异常概率大于预设概率,则在基础关注度的基础上增加所述当前测试数据的关注度。
可以理解的是,对于不同的当前测试数据可以增加相同的关注度,也可以根据当前测试数据的异常概率的高低来为不同当前测试数据增加不同的关注度,对此本实施例不做限定。
步骤S306:判断当前测试数据集是否有未预测的测试数据,若有则进入步骤S302,若无则进入步骤S307。
当前测试数据集可以包括根据软件产品构建的多个当前测试数据,可以采用轮询方式对每个当前测试数据均执行预测操作,从而获得各个当前测试数据的关注度。
步骤S307:对所述各个当前测试数据的关注度执行排序操作。
步骤S308:展示关注度大于预设关注度的多个当前测试数据。
预先设定一个预设关注度,从各个当前测试数据的关注度中筛选大于预设关注度的多个当前测试数据。然后可以根据关注度由高至低的顺序展示多个当前测试数据和异常概率,以便测试人员可以了解需要额外关注的多个当前测试数据以及异常概率。
通过以上技术手段,可以实现以下有益效果:
本发明获取对历史版本软件产品进行软件测试的多个测试数据和测试结果,可以理解的是软件产品是在历史版本软件产品上的再次更新,所以用于对历史版本软件产品进行软件测试的多个测试数据和测试结果,在一定程度上可以用来预测当前测试数据的测试结果。
因此本申请基于历史测试数据集来预测当前测试数据输入软件产品后可能出现异常的异常概率,若当前测试数据的异常概率大于预设概率,则表示当前测试数据很大概率会导致软件产品异常,为此增加当前测试数据的关注度。
参见图4,本发明提供了一种测试数据预测装置,包括:
获取单元41,用于获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
预测单元42,用于基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
增加单元43,用于若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度。
可选的,所述历史测试数据集包括测试结果为异常的异常测试数据集,以及,测试结果为正常的正常测试数据集;
则所述基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述历史测试数据集中异常测试数据集的所占比率;
基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率;
计算所述当前测试数据于所述历史测试数据集中的出现比率;
基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率。
可选的,所述计算所述历史测试数据集中异常测试数据集的所占比率包括:
确定所述异常测试数据集中的异常测试数据数量,以及,所述历史测试数据集中的测试数据总数量;
将所述异常测试数据数量与所述测试数据总数量的商,确定为所述历史测试数据集中异常测试数据集的所占比率。
可选的,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率包括:
计算所述当前测试数据中各个属性的属性值于所述异常测试数据集中的出现比率;
将各个属性的属性值于所述异常测试数据集中的出现比率的乘积,确定为所述当前测试数据的异常比率。
可选的,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述计算所述当前测试数据于所述历史测试数据集中的出现比率,包括:
计算所述当前测试数据中各个属性的属性值于所述历史测试数据集中出现比率;
将各个属性的属性值于所述历史测试数据集中出现比率的乘积,确定为所述当前测试数据于所述历史测试数据集中的出现比率。
可选的,所述基于所述所占比率、所述异常比率和所述出现比率,计算所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述异常比率与所述所占比率的乘积;
计算该乘积与所述出现比率的商值;
将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率。
可选的,还包括:
对当前测试数据集中各个当前测试数据执行测试数据预测方法,获得各个当前测试数据的关注度;
对所述各个当前测试数据的关注度执行排序操作;
展示关注度大于预设关注度的多个当前测试数据。
可选的,所述历史版本软件产品包括所述软件产品的上一历史版本对应的软件产品。
关于测试数据预测装置的具体实现可以参见图2和图3所示的实施例,对此不再一一赘述。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种测试数据预测方法,其特征在于,包括:
获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
基于所述历史测试数据集,预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度;
所述历史测试数据集包括测试结果为异常的异常测试数据集,以及,测试结果为正常的正常测试数据集;
则所述基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述历史测试数据集中异常测试数据集的所占比率;
基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率;
计算所述当前测试数据于所述历史测试数据集中的出现比率;
计算所述异常比率与所述所占比率的乘积;
计算该乘积与所述出现比率的商值;
将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率。
2.如权利要求1所述的方法,其特征在于,所述计算所述历史测试数据集中异常测试数据集的所占比率包括:
确定所述异常测试数据集中的异常测试数据数量,以及,所述历史测试数据集中的测试数据总数量;
将所述异常测试数据数量与所述测试数据总数量的商,确定为所述历史测试数据集中异常测试数据集的所占比率。
3.如权利要求1所述的方法,其特征在于,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率包括:
计算所述当前测试数据中各个属性的属性值于所述异常测试数据集中的出现比率;
将各个属性的属性值于所述异常测试数据集中的出现比率的乘积,确定为所述当前测试数据的异常比率。
4.如权利要求1所述的方法,其特征在于,所述当前测试数据包括多个属性,且,所述异常测试数据集中每个异常测试数据包括所述多个属性;
则所述计算所述当前测试数据于所述历史测试数据集中的出现比率,包括:
计算所述当前测试数据中各个属性的属性值于所述历史测试数据集中出现比率;
将各个属性的属性值于所述历史测试数据集中出现比率的乘积,确定为所述当前测试数据于所述历史测试数据集中的出现比率。
5.如权利要求1所述的方法,其特征在于,还包括:
对当前测试数据集中各个当前测试数据执行权利要求1所述的测试数据预测方法,获得各个当前测试数据的关注度;
对所述各个当前测试数据的关注度执行排序操作;
展示关注度大于预设关注度的多个当前测试数据。
6.如权利要求1所述的方法,其特征在于,所述历史版本软件产品包括所述软件产品的上一历史版本对应的软件产品。
7.一种测试数据预测装置,其特征在于,包括:
获取单元,用于获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
预测单元,用于基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
增加单元,用于若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度;
所述历史测试数据集包括测试结果为异常的异常测试数据集,以及,测试结果为正常的正常测试数据集;
则所述预测单元基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述历史测试数据集中异常测试数据集的所占比率;
基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率;
计算所述当前测试数据于所述历史测试数据集中的出现比率;
计算所述异常比率与所述所占比率的乘积;
计算该乘积与所述出现比率的商值;
将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率。
8.一种处理设备,其特征在于,包括:
处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
获取当前测试数据和历史测试数据集;其中所述历史测试数据集包括用于对历史版本软件产品进行软件测试的多个测试数据和测试结果;
基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率;
若所述当前测试数据的异常概率大于预设概率,则增加所述当前测试数据的关注度;
所述历史测试数据集包括测试结果为异常的异常测试数据集,以及,测试结果为正常的正常测试数据集;
则所述基于所述历史测试数据集、预测所述当前测试数据输入软件产品后可能出现异常的异常概率,包括:
计算所述历史测试数据集中异常测试数据集的所占比率;
基于所述历史测试数据集中异常测试数据集,计算所述当前测试数据的异常比率;
计算所述当前测试数据于所述历史测试数据集中的出现比率;
计算所述异常比率与所述所占比率的乘积;
计算该乘积与所述出现比率的商值;
将该商值确定为所述当前测试数据输入软件产品后可能出现异常的异常概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345849.1A CN111124918B (zh) | 2019-12-24 | 2019-12-24 | 测试数据预测方法及装置、处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911345849.1A CN111124918B (zh) | 2019-12-24 | 2019-12-24 | 测试数据预测方法及装置、处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111124918A CN111124918A (zh) | 2020-05-08 |
CN111124918B true CN111124918B (zh) | 2023-09-05 |
Family
ID=70501894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911345849.1A Active CN111124918B (zh) | 2019-12-24 | 2019-12-24 | 测试数据预测方法及装置、处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111124918B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112783789B (zh) * | 2021-02-05 | 2024-01-12 | 腾讯科技(深圳)有限公司 | 一种适配测试方法、设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409444A (zh) * | 2018-12-26 | 2019-03-01 | 国网陕西省电力公司电力科学研究院 | 一种基于先验概率的多元电网故障类型的判别方法 |
CN110377447A (zh) * | 2019-07-17 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种异常数据检测方法、装置及服务器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10733520B2 (en) * | 2015-05-13 | 2020-08-04 | Microsoft Technology Licensing, Llc | Making a prediction regarding development of a software product |
US9619363B1 (en) * | 2015-09-25 | 2017-04-11 | International Business Machines Corporation | Predicting software product quality |
-
2019
- 2019-12-24 CN CN201911345849.1A patent/CN111124918B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409444A (zh) * | 2018-12-26 | 2019-03-01 | 国网陕西省电力公司电力科学研究院 | 一种基于先验概率的多元电网故障类型的判别方法 |
CN110377447A (zh) * | 2019-07-17 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种异常数据检测方法、装置及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN111124918A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150186195A1 (en) | Method of analysis application object which computer-executable, server performing the same and storage media storing the same | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111124918B (zh) | 测试数据预测方法及装置、处理设备 | |
CN113297060A (zh) | 一种数据测试方法及其装置 | |
CN111352782A (zh) | 一种接口测试方法、装置、计算机设备及存储介质 | |
CN112182056A (zh) | 一种数据检测方法、装置、设备及存储介质 | |
CN110909884A (zh) | 一种用于更新参数模型的方法、装置、产品及介质 | |
CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
CN112597046A (zh) | 测试方法、装置、计算机设备及存储介质 | |
CN113157671A (zh) | 一种数据监控方法及装置 | |
CN113627513A (zh) | 一种训练数据生成方法、系统、电子设备及存储介质 | |
CN113129127A (zh) | 预警方法和装置 | |
CN108712284B (zh) | 一种故障业务的定位方法、装置、及业务服务器 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN110597703A (zh) | 一种回归测试方法及装置 | |
JP2016076162A (ja) | ソフトウェア試験支援装置およびソフトウェア試験支援プログラム | |
CN115292339B (zh) | 数据库更新方法、装置、电子设备和存储介质 | |
CN111815442B (zh) | 一种链接预测的方法、装置和电子设备 | |
CN113448842B (zh) | 大数据系统测试方法、装置、服务器及存储介质 | |
CN113554126B (zh) | 样本评估方法、装置、设备及计算机可读存储介质 | |
CN111352840B (zh) | 上线行为风险评估方法、装置、设备和可读存储介质 | |
CN113568769B (zh) | 异常处理方法、装置、服务器及存储介质 | |
CN110716830B (zh) | 一种压测机选择方法、装置、电子设备及存储介质 | |
CN116303095A (zh) | 应用程序版本质量度量平台、方法与装置 | |
CN116881167A (zh) | 测试案例的生成方法及相关装置 |
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 |