CN111694731A - 一种基于关键词序列引导搜索的Web应用测试用例生成方法 - Google Patents
一种基于关键词序列引导搜索的Web应用测试用例生成方法 Download PDFInfo
- Publication number
- CN111694731A CN111694731A CN202010379251.0A CN202010379251A CN111694731A CN 111694731 A CN111694731 A CN 111694731A CN 202010379251 A CN202010379251 A CN 202010379251A CN 111694731 A CN111694731 A CN 111694731A
- Authority
- CN
- China
- Prior art keywords
- keyword
- state
- web application
- sfg
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012360 testing method Methods 0.000 title claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000013515 script Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 6
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 claims description 5
- 229910052711 selenium Inorganic materials 0.000 claims description 5
- 239000011669 selenium Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 201000004569 Blindness Diseases 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000002037 sum-frequency generation spectroscopy Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F11/36—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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于关键词序列引导搜索的Web应用测试用例生成方法,给定描述某Web应用待测业务流程的关键词序列,该方法首先对关键词序列进行分词和扩词处理;然后依次对每个关键词采用回溯试探法搜索与当前关键词语义相关的用户接口状态空间,直至处理完每个关键词,生成与给定业务流程相关的用户接口状态空间流图SFG(State Flow Graph)作为测试模型;最后遍历相关SFG,生成待测业务流程的Web应用测试用例集。本发明方法通过融合业务流程的语义信息引导Web应用用户接口状态空间搜索,避免了搜索的盲目性,提高了Web应用测用例生成的有效性和效率。
Description
技术领域
本发明涉及一种基于关键词序列引导搜索的Web应用测试用例生成方法,尤其是Web应用软件的测试领域,属于软件工程中软件分析与测试领域。
背景技术
近年来,随着网络技术的普及和Web应用开发新技术的发展,Web应用因具有无需安装维护和升级仍可使用最新版本软件以及数据持久、安全且易于共享访问等诸多优势,其开发和使用日益广泛,从最初简单的信息发布和信息共享,到电子商务、信息管理、搜索引擎、服务计算、多媒体等,Web应用已逐步渗透到人们的生产、生活的各个领域之中,发挥着越来越重要的作用。随着Web应用的快速发展,Web应用的质量问题也随之产生,对人们的生产和生活产生重要影响。Web应用测试是一种重要的软件质量保证手段,其中如何有效地生成Web应用的测试用例是Web应用测试研究的关键技术。
根据测试用例生成方式的不同,Web应用测试可分为捕捉-回放法、模型法、基于用户会话的方法、基于动态搜索的方法等。捕捉-回放法是目前工业界普遍采用的Web应用自动化测试方法,该方法首先人工记录用户的操作过程并生成测试脚本,然后回放脚本、模拟用户操作,自动运行Web应用,相应工具包括LoadRunner、QTP以及IBM Rational Robot等。该方法因需人工录制脚本,测试成本高,自动化程度低。模型法一般通过分析源代码或者需求说明构造Web应用模型,根据模型再生成测试用例。该方法测试覆盖率较高,但一般需手工建立模型,代价很高,且因在建立模型时难以考虑Web应用的动态性和不确定性等特点,模型不够精确。基于用户日志的方法从用户日志中提取测试用例有关信息,生成Web应用测试用例。该方法因缺乏完整的用户接口状态信息(如AJAX技术的普遍应用使得服务器端难以获得完整的用户交互信息),难以有效地生成Web应用测试用例。
基于动态搜索的方法一般通过动态分析和模拟潜在的用户接口行为,自动搜索Web应用状态空间,生成用户接口状态流图SFG(其节点表示用户接口状态,边表示用户接口GUI上可触发的事件)作为Web应用的测试模型,然后遍历SFG生成Web应用测试用例。基于搜索的Web应用测试不需人工干预,可自动生成Web应用测试用例,并覆盖Web应用的大部分路径。目前,以Crawljax为代表的基于动态搜索的方法一般采用通用的搜索策略(如深度或广度优先搜索)进行Web应用状态空间搜索。由于Web应用的用户接口状态空间具有指数级复杂性,大多数工业Web应用状态空间十分庞大,穷尽搜索其全部状态几乎不可能,而在有限的测试时间内,采用通用的搜索策略往往易陷于局部或不相关状态空间的搜索,无法对Web应用进行有效的测试。
为此,人们提出一些启发式的搜索策略引导搜索工具对Web应用的部分状态空间进行搜索。现有的启发式搜索策略大多采用如发现新状态概率、Javascript代码的覆盖率、页面结构多样性、事件序列多样性以及测试模型大小等度量指标进行引导搜索。尽管这些启发式搜索策略可使Web应用的某些度量指标最大化,但仍不能有效地满足Web应用测试用例生成的需求。如所知,Web应用测试用例一般由多个在语义上相关的用户接口状态和事件序列组成,而上述启发式搜索策略未考虑任何状态或事件的语义信息,所生成的不完整的Web状态空间不能保证包含上述语义相关的状态和事件信息,因此无法确保生成完整、有效的测试用例。而在实际测试过程或回归测试过程中,由于受到测试时间、测试成本的限制或对部分业务功能模块修改等原因,测试人员往往面临对Web应用中某些重要的或指定的功能业务流程生成测试用例的测试需求。为此,需融入相应功能语义信息引导搜索业务流程相关的SFG图,提高生成Web应用测试用例的有效性。
发明内容
针对上述动态搜索策略的不足,本发明融合待测业务流程的语义信息,提出了一种基于关键词序列引导搜索的Web应用测试用例生成方法,与现有方法相比,本发明方法中的搜索策略可优先覆盖Web应用的指定业务流程,避免了一般动态搜索策略搜索的盲目性,遍历所生成的相关用户接口状态流图,可生成有效的测试用例,精准地测试指定业务流程功能。
本发明的技术方案为:一种基于关键词序列引导搜索的Web应用测试用例生成方法,给定描述某Web应用待测业务流程的关键词序列,该方法首先对关键词序列进行分词和扩词处理;然后依次对每个关键词采用回溯试探法搜索与当前关键词语义相关的用户接口状态空间,直至处理完每个关键词,生成与给定业务流程相关的用户接口状态空间流图SFG(State Flow Graph)作为测试模型;最后遍历相关SFG,生成待测业务流程的Web应用测试用例集。具体步骤如下:一种基于关键词序列引导搜索的Web应用测试用例生成方法,所述方法如下:
步骤1:给定描述某Web应用待测业务流程的关键词序列;
步骤2:对关键词序列中的各关键词进行预处理;
2.1对给定关键词序列中的每个关键词进行分词和停用词过滤处理;
2.2对每个关键词,采用word2vec技术获取若干个与其语义相似度高的词,进行扩词处理;
步骤3:融合关键词序列的语义信息,采用回溯试探法引导搜索、生成与待测业务流程相关的用户接口状态流图SFG(State Flow Graph)作为测试模型;3.1加载待测Web应用的URL,获取初始DOM状态作为待扩展状态;
3.2依次选取关键词序列中的各关键词作为当前关键词,采用回溯试探法搜索与当前关键词语义相关的用户接口状态空间,直至处理完每个关键词,生成与给定业务流程相关的用户接口状态流图SFG。
在搜索过程中,选择待扩展状态中与当前关键词语义相似度最高的变迁作为当前事件进行扩展,生成新状态,并更新SFG;若当前待扩展状态中所有变迁都已触发,则回溯至上一个状态,搜索其他路径。若所生成的新状态与当前关键词语义相关,则进行试探,当试探相似度大于某阈值时,试探成功,选取序列中下一个关键词作为当前关键词;否则,回溯至上一个状态,重新试探。若当前事件与前一个关键词语义相关,且当前事件扩展后的新状态与该关键词也相关,则沿新状态继续搜索,即将新状态置为当前待扩展状态;若当前事件扩展后的新状态与前一个关键词不相关,则回溯至上一个状态,选择其他路径进行搜索。
3.3对3.2中生成的SFG采用深度优先搜索策略进一步搜索,生成包含完整路径的相关SFG作为测试模型。
步骤4:遍历相关SFG,生成待测业务流程的Web应用测试用例集;
4.1从初态出发,深度优先遍历相关SFG图,直至终态节点,生成SFG完整路径集合;
4.2对SFG完整路径集中的每个完整路径,获取该路径上的事件序列,并将其保存为Selenium脚本格式,生成Web应用测试用例集。
本发明的有益效果为:给定描述某待测业务流程关键词序列,本发明通过关键词序列的语义信息引导搜索优先覆盖待测业务流程路径,避免了搜索的盲目性,在满足覆盖给定业务流程时,采用本发明方法所生成的相关SFG规模作为测试模型约为完全扩展SFG的10%左右,而采用其他搜索策略所生成的SFG约为40%左右,遍历相关SFG生成测试用例,可精准地测试待测业务流程功能,提高了Web应用测试的有效性和效率。
附图说明
图1为本发明方法的实施流程图,
图2为某开源的电子商城系统PHPSHE的部分用户接口状态流图,
具体实施方式
本发明通过融合待测业务流程关键词序列的语义信息,引导Web应用在用户接口状态空间动态搜索,优先覆盖待测业务流程,并生成相关SFG子图作为测试模型,在此基础上生成精准、有效的测试用例测试待测业务流程。
实施例1:参见图1-图2,一种基于关键词序列引导搜索的Web应用测试用例生成方法,所述方法如下:图1为本发明方法的实施流程图,开发的Web应用测试工具主要包括嵌入浏览器模块、DOM分析模块、基于关键词序列引导的智能搜索模块、用户动作模拟器以及测试用例生成模块,其中前四个模块用于生成与待测业务流程相关的用户接口状态流图SFG,测试用例生成模块通过遍历SFG生成Web应用测试用例集。
嵌入浏览器模块负责与服务器进行交互,发送http请求并接受其响应,同时提供了一个访问Javascript引擎和动态DOM对象的接口,将动态DOM对象发送给DOM分析模块;DOM分析模块分析抽取当前DOM对象中与可点击事件相关的DOM元素,如超链接、按钮、表单以及包含事件标签等可能产生新状态的DOM元素,生成相应的可点击事件,同时获取新DOM对象,增量式构造用户接口状态流图SFG作为Web应用测试模型;基于关键词序列引导的智能搜索模块是核心模块,依次选取描述给定业务流程的关键词序列中的各关键词,通过与事件文本与Web页面中文本的语义相似度计算,选择待触发事件和待扩展状态,引导搜索过程优先覆盖与待测业务流程相关的搜索路径,然后再进行深度优先搜索;用户动作模拟器模块采用Selenium提供的API,实现模拟用户点击事件,在嵌入浏览器上发送http请求。当相关用户接口状态流图生成后,测试用例生成模块采用深度优先搜索方法自动生成Web应用测试用例集;具体如下:
步骤1:给定描述某Web应用待测业务流程的关键词序列;
步骤2:对关键词序列中的各关键词进行预处理;
2.1对给定关键词序列中的每个关键词进行分词和停用词过滤处理;
2.2对每个关键词,采用word2vec技术获取若干个与其语义相似度高的词,进行扩词处理;
步骤3:融合关键词序列的语义信息,采用回溯试探法引导搜索、生成与待测业务流程相关的用户接口状态流图SFG(State Flow Graph)作为测试模型;
3.1加载待测Web应用的URL,获取初始DOM状态作为待扩展状态;
3.2依次选取关键词序列中的各关键词作为当前关键词,采用回溯试探法搜索与当前关键词语义相关的用户接口状态空间,直至处理完每个关键词,生成与给定业务流程相关的用户接口状态流图SFG。
在搜索过程中,选择待扩展状态中与当前关键词语义相似度最高的变迁作为当前事件进行扩展,生成新状态,并更新SFG;若当前待扩展状态中所有变迁都已触发,则回溯至上一个状态,搜索其他路径。若所生成的新状态与当前关键词语义相关,则进行试探,当试探相似度大于某阈值时,试探成功,选取序列中下一个关键词作为当前关键词;否则,回溯至上一个状态,重新试探。若当前事件与前一个关键词语义相关,且当前事件扩展后的新状态与该关键词也相关,则沿新状态继续搜索,即将新状态置为当前待扩展状态;若当前事件扩展后的新状态与前一个关键词不相关,则回溯至上一个状态,选择其他路径进行搜索。
3.3对3.2中生成的SFG采用深度优先搜索策略进一步搜索,生成包含完整路径的相关SFG作为测试模型。
步骤4:遍历相关SFG,生成待测业务流程的Web应用测试用例集;
4.1从初态出发,深度优先遍历相关SFG图,直至终态节点,生成SFG完整路径集合;
4.2对SFG完整路径集中的每个完整路径,获取该路径上的事件序列,并将其保存为Selenium脚本格式,生成Web应用测试用例集。
应用实施例:参见图2,PHPSHE是某开源的电子商城系统,包含商品展示、商品购买、订单管理、财务中心、用户设置、分销中心等功能。给定待测业务流程“商品购买”,关键词序列为<登录,选择商品,购物车,结算,提交订单>。下面以PHPSHE中“商品购买”业务流程为例说明本发明方法的具体实施步骤:
1.给定描述待测业务流程“商品购买”,其关键词序列为<登录,选择商品,购物车,结算,提交订单>;
2.关键词序列预处理
首先采用常用的中文/英文处理工具FudanNLP/StandFord CoreNLP等对关键词序列中的词进行分词处理,结果为<{登录},{选择,商品},{购物,车},{结算},{提交}>。
然后对分词结果进行扩词处理。本发明方法采用word2vec技术进行扩词处理,具体训练模型及参数为:采用基于Hierarchical Softmax框架的CBOW训练模型,wiki语料库,词向量维数为200,上下文窗口阈值window为5。对每个关键词,从训练后词向量词典中获取5个语义上相似度最高的词,进行扩词处理,结果为:<{登录(指定,登记,注册,暂定,列入)},{选择(选取,选用,选项,挑选,偏好),商品(产品,货品,物品,消费者,消费)},{购物(商场,百货公司,商店,超市,餐厅),车(货车,摩托车,汽车,车辆,车厢)},{结算(票据,付款,股票,现金,信用卡)},{提交(递交,呈交,送交,提出,呈报)}。
2.生成与业务流程相关的SFG图
依次对关键词序列<登录,选择商品,购物车,结算,提交订单>中的每个关键词进行试探回溯,搜索与当前关键词语义相关度的局部用户接口状态空间,直至处理完每个关键词,生成与指定业务流程相关的SFG图,具体搜索过程如下:
(1)加载PHPSHE的URL,获取初始DOM状态,将初始状态index作为待扩展状态;
(2)选取关键词序列中的第一个关键词“登录”作为当前关键词,获取当前DOM状态中所有可点击事件的DOM元素,提取每个DOM元素中文本信息,并进行分词、过滤处理,然后分别计算这些文本与当前关键词“登录”的语义相似度,并进行排序,选择语义相似度最高的可点击事件e1,其文本内容为“登录”的事件,模拟点击该事件,进入登录页面,即s1状态。此时,提取s1页面中的文本信息,继续计算登录页面状态与当前关键词的相似度,进入试探环节,因两者相似度高于设定阙值,表明已进入登录状态。
将s1设置为待扩展状态,后续关键词“选择商品”作为当前关键词,继续搜索。由于s1只有一个可点击事件e2,即“立即登录”事件,经计算,当前事件与前一个关键词“登录”相似度很高。读取合法的用户名和密码信息输入,模拟点击该事件,生成s2状态,至此,当前搜索已完成登录功能。
将s2设置为待扩展状态继续搜索,计算s2状态下的所有可点击事件与当前关键词“选择商品”之间的语义相似度,并排序,选择语义最相似的事件e9,即“限时折扣”。此时,进入当前与关键词“选择商品”相关的功能的试探环节。首先模拟触发e9,搜索进入s9状态,计算s9状态和当前关键词“选择商品”的语义相似度后,发现两者相关,但未达到阙值,继续试探;将s9设置为待测状态,选择当前折扣页面下第一个商品,触发事件e10(“商品详情”),生成状态s5,此时s9和s5与当前关键字的相似度累积值超过阙值,试探成功,当前搜索完成“选择商品”功能。
将s5设置为待扩展状态,后续关键词“购物车”作为当前关键词,继续搜索。选择并触发事件e6(“加入购物车”),生成状态S6。
将s6设置为待扩展状态,后续关键词“结算”作为当前关键词,选择并触发事件事件e7(“结算”),生成状态S7。
将s7设置为待扩展状态,后续关键词“提交订单”作为当前关键词,选择触发事件e8(“提交订单”),生成状态s8,如所示至此,通过关键词序列<登录,选择商品,购物车,结算,提交>的引导,所生成的相关SFG图可覆盖“商品购买”流程。
(3)将s8设置为待扩展状态,进行深度优先搜索。由于s8在本例中为终态,因此在深度优先搜索阶段,相关SFG没有变化。
3.基于SFG图生成完整路径集
如图2所示,从初态出发,深度优先遍历相关SFG图,直至终态节点,生成SFG完整路径{e1,e2,e9,e10,e6,e7,e8}。
4.生成Web应用测试用例集
对SFG完整路径集中的完整路径,获取该路径上的事件序列,并将其保存为Selenium脚本格式,生成Web应用测试用例集。
对本发明方法进行了相应的实验,结果表明,满足覆盖给定业务流程时,采用本发明方法生成的相关SFG规模远远小于其他搜索策略生成的SFG,其规模约为完全扩展的SFG的10%左右,而其他搜索策略生成的SFG为40%左右。采用本发明方法,可引导生成与给定业务流程相关的SFG作为测试模型,避免了盲目搜索,提高了搜索的有效性,同时减少了测试模型生成时间,提高了测试效率。
需要说明的是上述实施例,并非用来限定本发明的保护范围,在上述技术方案的基础上所作出的等同变换或替代均落入本发明权利要求所保护的范围。
Claims (4)
1.一种基于关键词序列引导搜索的Web应用测试用例生成方法,其特征在于,所述方法包括以下步骤:
步骤1:给定描述某Web应用待测业务流程的关键词序列;
步骤2:对关键词序列中的各关键词进行预处理;
步骤3:融合关键词序列的语义信息,采用回溯试探法引导搜索、生成与待测业务流程相关的用户接口状态流图SFG(State Flow Graph)作为测试模型;
步骤4:遍历相关SFG,生成待测业务流程的Web应用测试用例集。
2.如权利要求1所述的基于关键词序列引导搜索的Web应用测试用例生成方法,其特征在于,所述步骤2具体如下:
2.1对给定关键词序列中的每个关键词进行分词和停用词过滤处理;
2.2对每个关键词,采用word2vec技术获取若干个与其语义相似度高的词,进行扩词处理。
3.如权利要求1或2所述的基于关键词序列引导搜索的Web应用测试用例生成方法,其特征在于,所述步骤3具体如下:
3.1加载待测Web应用的URL,获取初始DOM状态作为待扩展状态;
3.2依次选取关键词序列中的各关键词作为当前关键词,采用回溯试探法搜索与当前关键词语义相关的用户接口状态空间,直至处理完每个关键词,生成与给定业务流程相关的用户接口状态流图SFG;
在搜索过程中,选择待扩展状态中与当前关键词语义相似度最高的变迁作为当前事件进行扩展,生成新状态,并更新SFG;若当前待扩展状态中所有变迁都已触发,则回溯至上一个状态,搜索其他路径;若所生成的新状态与当前关键词语义相关,则进行试探,当试探相似度大于某阈值时,试探成功,选取序列中下一个关键词作为当前关键词;否则,回溯至上一个状态,重新试探;若当前事件与前一个关键词语义相关,且当前事件扩展后的新状态与该关键词也相关,则沿新状态继续搜索,即将新状态置为当前待扩展状态;若当前事件扩展后的新状态与前一个关键词不相关,则回溯至上一个状态,选择其他路径进行搜索。
3.3对3.2中生成的SFG采用深度优先搜索策略进一步搜索,生成包含完整路径的相关SFG作为测试模型。
4.如权利要求3所述的基于关键词序列引导搜索的Web应用测试用例生成方法,其特征在于,所述步骤4具体如下:
4.1从初态出发,深度优先遍历相关SFG图,直至终态节点,生成SFG完整路径集合;
4.2对SFG完整路径集中的每个完整路径,获取该路径上的事件序列,并将其保存为Selenium脚本格式,生成Web应用测试用例集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379251.0A CN111694731A (zh) | 2020-05-07 | 2020-05-07 | 一种基于关键词序列引导搜索的Web应用测试用例生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010379251.0A CN111694731A (zh) | 2020-05-07 | 2020-05-07 | 一种基于关键词序列引导搜索的Web应用测试用例生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111694731A true CN111694731A (zh) | 2020-09-22 |
Family
ID=72476629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010379251.0A Pending CN111694731A (zh) | 2020-05-07 | 2020-05-07 | 一种基于关键词序列引导搜索的Web应用测试用例生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111694731A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113032279A (zh) * | 2021-04-22 | 2021-06-25 | 东南大学 | 一种基于语义路径搜索的Web应用测试修复方法 |
CN116820986A (zh) * | 2023-06-30 | 2023-09-29 | 南京数睿数据科技有限公司 | 移动应用测试脚本生成方法、装置、电子设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710460A (zh) * | 2012-05-14 | 2012-10-03 | 南京邮电大学 | 一种基于单子技术的Web服务测试数据自动生成方法 |
CN103064788A (zh) * | 2012-12-24 | 2013-04-24 | 清华大学 | 一种基于接口语义契约模型的Web服务建模与测试方法 |
-
2020
- 2020-05-07 CN CN202010379251.0A patent/CN111694731A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710460A (zh) * | 2012-05-14 | 2012-10-03 | 南京邮电大学 | 一种基于单子技术的Web服务测试数据自动生成方法 |
CN103064788A (zh) * | 2012-12-24 | 2013-04-24 | 清华大学 | 一种基于接口语义契约模型的Web服务建模与测试方法 |
Non-Patent Citations (1)
Title |
---|
化云龙: "Web应用测试用例自动生成技术研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113032279A (zh) * | 2021-04-22 | 2021-06-25 | 东南大学 | 一种基于语义路径搜索的Web应用测试修复方法 |
CN116820986A (zh) * | 2023-06-30 | 2023-09-29 | 南京数睿数据科技有限公司 | 移动应用测试脚本生成方法、装置、电子设备和介质 |
CN116820986B (zh) * | 2023-06-30 | 2024-02-27 | 南京数睿数据科技有限公司 | 移动应用测试脚本生成方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Codebert: A pre-trained model for programming and natural languages | |
Ciurumelea et al. | Analyzing reviews and code of mobile apps for better release planning | |
CN111694731A (zh) | 一种基于关键词序列引导搜索的Web应用测试用例生成方法 | |
Gao et al. | Technical Q8A site answer recommendation via question boosting | |
US11921766B2 (en) | Generating electronic summary documents for landing pages | |
US20190080352A1 (en) | Segment Extension Based on Lookalike Selection | |
CN113239173B (zh) | 问答数据的处理方法、装置、存储介质与电子设备 | |
Ciurumelea et al. | Suggesting comment completions for python using neural language models | |
CN111767738A (zh) | 一种标签校验方法、装置、设备和存储介质 | |
Rau et al. | Transferring tests across web applications | |
US11914663B2 (en) | Generating diverse electronic summary documents for a landing page | |
Liu et al. | Generating descriptions for screenshots to assist crowdsourced testing | |
Huang et al. | Code review knowledge perception: Fusing multi-features for salient-class location | |
Nagwani et al. | A comparative study of bug classification algorithms | |
Lettner et al. | Mobile interaction analysis: towards a novel concept for interaction sequence mining | |
CN108984777A (zh) | 客户服务方法、装置和计算机可读存储介质 | |
CN117252186A (zh) | 基于xai的信息处理方法、装置、设备及存储介质 | |
Luo et al. | YAYI 2: Multilingual Open-Source Large Language Models | |
Nass et al. | Improving web element localization by using a large language model | |
CN114579730A (zh) | 信息处理方法、电子设备和计算机程序产品 | |
Chen et al. | An empirical study of code reuse between GitHub and stack overflow during software development | |
CN111695922A (zh) | 潜在用户确定方法及装置、存储介质和电子设备 | |
US11928569B1 (en) | Automated user experience orchestration using natural language based machine learning techniques | |
CN115658553B (zh) | 一种基于低代码平台的调试方法、系统及装置 | |
CN113793193B (zh) | 数据搜索准确性验证方法、装置、设备及计算机可读介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200922 |