CN112231459A - 一种基于知识图谱实现软件测试智能问答的方法及系统 - Google Patents
一种基于知识图谱实现软件测试智能问答的方法及系统 Download PDFInfo
- Publication number
- CN112231459A CN112231459A CN202011162348.2A CN202011162348A CN112231459A CN 112231459 A CN112231459 A CN 112231459A CN 202011162348 A CN202011162348 A CN 202011162348A CN 112231459 A CN112231459 A CN 112231459A
- Authority
- CN
- China
- Prior art keywords
- question
- keyword
- site
- database
- knowledge
- 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 44
- 238000013522 software testing Methods 0.000 claims abstract description 35
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 24
- 230000009193 crawling Effects 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 abstract description 22
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000002360 preparation method Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 241001178520 Stomatepia mongo Species 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
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)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种基于知识图谱实现软件测试智能问答的方法及系统,所述方法包括如下步骤:根据来源站点爬取软件测试领域中相关技术信息写入数据库;根据所述数据库中的原始数据信息构建知识图谱;用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。通过本申请,测试人员在开始一个新的系统测试项目,或者测试项目含有新兴技术时,可以直接尝试了解业内已有的解决方案和相关知识,以供系统测试方案的决策参考,从而提高了测试准备阶段的工作效率。
Description
技术领域
本发明属于人工智能技术领域。更具体的说,本发明涉及一种基于知识图谱实现软件测试智能问答的方法及系统。
背景技术
随着互联网的持续发展,各行各业已不再局限于仅仅研究自身领域内的知识架构,而是利用互联网所提供的大量跨行业领域的数据,对其进行深入的数据挖掘和分析,尝试寻找其中的动态发展规律,并借此来优化各自业务的逻辑以及寻找潜在的新业务增长点。基于此,知识图谱技术便应运而生。
在软件测试领域,目前并没有比较成熟的基于知识图谱的系统应用场景。但随着互联网技术的不断发展迭代,新的技术层出不穷,对测试人员的能力要求也在持续的提升。目前软件测试工作中还存在以下问题:
1、测试人员在工作中所需的能力和所使用的技术工具范畴,大都基于企业内部的项目经验和个人经验,并没有着眼于整个行业内的最新发展进程,也缺少获取此类信息的渠道;
2、软件测试领域的最新技术和相关应用,在全网的信息分布相对比较分散,测试人员也较难获取成体系的相关知识内容。
3、已有应用的知识图谱问答系统不具有跨行业的通用性,因此不存在一套系统可以回答全行业的问题,如果需要支持某个新增领域的问题解答,就必须从数据爬取开始从头构建知识图谱。
发明内容
本申请实施例提供了一种基于知识图谱实现软件测试智能问答的方法,以至少解决相关技术中主观因素影响的问题。
本发明提供了一种基于知识图谱实现软件测试智能问答的方法,所述方法包括以下步骤:
数据库构建步骤:根据来源站点爬取软件测试领域中相关技术信息写入数据库;
图谱构建步骤:根据所述数据库中的原始数据信息构建知识图谱;
问答步骤:用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
作为本发明的进一步改进,所述数据库构建步骤具体包括以下步骤:
站点配置步骤:配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
站点访问步骤:应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
数据处理步骤:筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
站点爬取判断步骤:判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
作为本发明的进一步改进,所述图谱构建步骤具体包括以下步骤:
数据加载步骤:加载所述数据库中原始数据信息;
分词步骤:应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
结构化步骤:对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
关键字导出步骤:将所述关键字导出为图谱关键字列表;
数据处理判断步骤:判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
作为本发明的进一步改进,所述问答步骤具体包括以下步骤:
问题输入步骤:用户通过所述问答交互组件输入软件测试相关问题;
关键字提取步骤:系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
答案输出步骤:将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结果输出对应回答。
作为本发明的进一步改进,利用可视化工具将构建的所述知识图谱进行展示,所述可视化工具为Neo4j图形数据库。
作为本发明的进一步改进,所述站点配置步骤中用户可自定义需要爬取的站点。
基于相同发明思想,本申请还基于上述任一项发明创造所揭示的基于知识图谱实现软件测试智能问答的方法,揭示了一种基于知识图谱实现软件测试智能问答的系统,
所述基于知识图谱实现软件测试智能问答的系统包括:
数据库构建模块,根据来源站点爬取软件测试领域中相关技术信息写入数据库;
图谱构建模块,根据所述数据库中的原始数据信息构建知识图谱;
问答模块,用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
作为本发明的进一步改进,所述数据库构建模块包括:
站点配置单元,配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
站点访问单元,应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
数据处理单元,筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
站点爬取判断单元,判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
作为本发明的进一步改进,所述图谱构建模块包括:
数据加载单元,加载所述数据库中原始数据信息;
分词单元,应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
结构化单元,对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
关键字导出单元,将所述关键字导出为图谱关键字列表;
数据处理判断单元,判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
作为本发明的进一步改进,所述问答模块包括:
问题输入单元,用户通过所述问答交互组件输入软件测试相关问题;
关键字提取单元,系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
答案输出单元,将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结构输出对应回答。
与现有技术相比,本发明的有益效果如下:
1、提出了一种基于知识图谱实现软件测试智能问答的方法,着眼于整个行业内的最新发展进程,获取软件测试领域最新技术信息;
2、测试人员在着手开始一个新的系统测试项目,或者含有新兴技术的测试项目时,可以直接通过本系统尝试了解业内已有的解决方案和相关知识,供系统测试方案的决策参考,从而提高了测试准备阶段的工作效率;
3、测试人员可通过本系统了解具有某些特定特征的软件系统测试工作时所需要具备的技术能力、相关方法和工具信息,从而能够体系化地提升测试人员的技术储备。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本发明实施例提供的一种基于知识图谱实现软件测试智能问答的方法整体流程图;
图2是智能问答方法流程示意图;
图3是图1所揭示的步骤S1的整体流程图;
图4是本实施例提供的数据库构建流程示意图;
图5是图1所揭示的步骤S2的整体流程图;
图6是本实施例提供的知识图谱构建流程示意图;
图7是本实施例提供的系统预先定义节点类型示意图;
图8是本实施例提供的系统预先定义关系类型示意图;
图9是图1所揭示的步骤S3的整体流程图;
图10是本实施例提供的智能问答流程示意图;
图11是本发明实施例提供的一种基于知识图谱实现软件测试智能问答的系统结构框架图;
图12是根据本发明实施例的计算机设备的框架图。
以上图中:
100、数据库构建模块;200、图谱构建模块;300、问答模块;101、站点配置单元;102、站点访问单元;103、数据处理单元;104、站点爬取判断单元;201、数据加载单元;202、分词单元;203、结构化单元;204、关键字导出单元;205、数据处理判断单元;301、问题输入单元;302、关键字提取单元;303、答案输出单元;80、总线;81、处理器;82、存储器;83、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
在详细阐述本发明各个实施例之前,对本发明的核心发明思想予以概述,并通过下述若干实施例予以详细阐述。
本发明依据知识图谱对软件测试领域相关问题进行智能回答,有效提高软件测试准备阶段的工作效率。
实施例一:
参照图1至图10所示,本实例揭示了一种基于知识图谱实现软件测试智能问答的方法(以下简称“方法”)的具体实施方式。
具体而言参照图1和图2所示,本实施例所揭示的方法主要包括以下步骤:
步骤S1、根据来源站点爬取软件测试领域中相关技术信息写入数据库。
在其中一些实施例中,参照图3和图4所示,步骤S1具体包括以下步骤:
S11、配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
S12、应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
S13、筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
S14、判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
具体而言,步骤S1用于获取构建知识图谱时所使用的所有输入数据,用户可自定义需要爬取的站点,通过手工触发或定时任务的方式全量获取各站点的数据入库。
在其中一些实施例中,应用MongoDB提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似json的bson格式,因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大,其语法有点类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。
然后参照图5和图6所示,执行步骤S2、根据所述数据库中的原始数据信息构建知识图谱。
步骤S2具体包括以下步骤:
S21、加载所述数据库中原始数据信息;
S22、应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
S23、对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
S24、将所述关键字导出为图谱关键字列表;
S25、判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
具体而言,在本实施例中,构建知识图谱时,系统会加载数据库中的所有原始数据信息,并使用分词引擎进行分词后,将各类关键词和关联关系导出。例如:测试工具:Jmeter、Selenium;测试方法:性能测试、UI自动化测试;关联:性能测试使用Jmeter。
具体而言,在本实施例中,利用可视化工具Neo4j图形数据库将构建的所述知识图谱进行展示。Neo4j是Neo Technology所提供的开源图形数据库,Neo4j允许用户通过Cypher语言来操作数据库。该语言是特意为操作图形数据库设计的,因此其可以非常高效地操作图形数据库。同时Neo4j也提供了面向当前市场一系列流行语言的客户端,以供使用这些语言的开发人员能够快速地对Neo4j进行操作。除此之外,一些项目,如Spring DataNeo4j,也提供了一系列非常简单明了的数据操作方式,使得用户上手变得更为容易。
在其中一些实施例中,构建知识图谱时预先定义好节点类型,如图7和图8所示分别为目前系统预先定义的节点类型和关系类型示例。
然后参照图9和图10所示所示执行步骤S3、用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
具体而言步骤S3包括以下步骤:
S31、用户通过所述问答交互组件输入软件测试相关问题;
S32、系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
S33、将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结果输出对应回答。
具体而言,用户通过网页前端问答系统进行提问,步骤S33中,若关键字实体与图谱关键字列表没有匹配上,则直接提示用户‘找不到关键字’,用户可重新输入提问;若匹配上关键字,则系统使用此关键字在图谱中进行查询,尝试获取与关键字有关的关联关系和其他节点实体,若没有找到任何数据,则系统提示用户‘无查询结果’,用户可重新输入提问;若匹配上并若找到了查询结果数据,则系统根据用户提问的关键字类型,加载预设的对应回答模板,并使用查询结果的数据更新模板后,将完整的回答展示在系统前端。
通过本申请实施例所揭示的一种基于知识图谱实现软件测试智能问答的方法,着眼于整个行业内的最新发展进程,获取软件测试领域最新技术信息,测试人员在着手开始一个新的系统测试项目,或者含有新兴技术的测试项目时,可以直接通过本系统尝试了解业内已有的解决方案和相关知识,供系统测试方案的决策参考,从而提高了测试准备阶段的工作效率,同时测试人员可通过本系统了解具有某些特定特征的软件系统测试工作时所需要具备的技术能力、相关方法和工具信息,从而能够体系化地提升测试人员的技术储备。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
实施例二:
结合实施例一所揭示的一种基于知识图谱实现软件测试智能问答的方法,本实施例揭示了一种基于知识图谱实现软件测试智能问答的系统(以下简称“系统”)的具体实施示例。
参照图11所示,所述系统包括:
数据库构建模块100,根据来源站点爬取软件测试领域中相关技术信息写入数据库;
图谱构建模块200,根据所述数据库中的原始数据信息构建知识图谱;
问答模块300,用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
在其中一些实施例中,所述数据库构建模块100包括:
站点配置单元101,配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
站点访问单元102,应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
数据处理单元103,筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
站点爬取判断单元104,判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
在其中一些实施例中,所述图谱构建模块200包括:
数据加载单元201,加载所述数据库中原始数据信息;
分词单元202,应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
结构化单元203,对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
关键字导出单元204,将所述关键字导出为图谱关键字列表;
数据处理判断单元205,判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
在其中一些实施例中,问答模块300包括:
问题输入单元301,用户通过所述问答交互组件输入软件测试相关问题;
关键字提取单元302,系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
答案输出单元303,将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结构输出对应回答。
本实施例所揭示的一种基于知识图谱实现软件测试智能问答的系统与实施例一所揭示的一种基于知识图谱实现软件测试智能问题的方法中其余相同部分的技术方案,请参考实施例一所述,在此不再赘述。
实施例三:
结合图12所示,本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意一种基于知识图谱实现软件测试智能问答的方法。
在其中一些实施例中,计算机设备还可包括通信接口83和总线80。其中,如图12所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于知识图谱对软件测试进行智能问答,从而实现结合图1描述的方法。
另外,结合上述实施例中智能问答方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于知识图谱实现软件测试智能问答的方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
综上所述,基于本发明的有益效果在于,提出了一种基于知识图谱实现软件测试智能问答的方法,着眼于整个行业内的最新发展进程,获取软件测试领域最新技术信息,测试人员在着手开始一个新的系统测试项目,或者含有新兴技术的测试项目时,可以直接通过本系统尝试了解业内已有的解决方案和相关知识,供系统测试方案的决策参考,从而提高了测试准备阶段的工作效率,同时测试人员可通过本系统了解具有某些特定特征的软件系统测试工作时所需要具备的技术能力、相关方法和工具信息,从而能够体系化地提升测试人员的技术储备。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于知识图谱实现软件测试智能问答的方法,其特征在于,包括如下步骤:
数据库构建步骤:根据来源站点爬取软件测试领域中相关技术信息写入数据库;
图谱构建步骤:根据所述数据库中的原始数据信息构建知识图谱;
问答步骤:用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
2.如权利要求1所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,所述数据库构建步骤具体包括以下步骤:
站点配置步骤:配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
站点访问步骤:应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
数据处理步骤:筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
站点爬取判断步骤:判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
3.如权利要求1所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,所述图谱构建步骤具体包括以下步骤:
数据加载步骤:加载所述数据库中原始数据信息;
分词步骤:应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
结构化步骤:对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
关键字导出步骤:将所述关键字导出为图谱关键字列表;
数据处理判断步骤:判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
4.如权利要求1所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,所述问答步骤具体包括以下步骤:
问题输入步骤:用户通过所述问答交互组件输入软件测试相关问题;
关键字提取步骤:系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
答案输出步骤:将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结果输出对应回答。
5.如权利要求1所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,利用可视化工具将构建的所述知识图谱进行展示,所述可视化工具为Neo4j图形数据库。
6.如权利要求2所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,所述站点配置步骤中用户可自定义需要爬取的站点。
7.一种基于知识图谱实现软件测试智能问答的系统,运行如权利要求1至6中任一项所述的基于知识图谱实现软件测试智能问答的方法,其特征在于,
所述基于知识图谱实现软件测试智能问答的系统包括:
数据库构建模块,根据来源站点爬取软件测试领域中相关技术信息写入数据库;
图谱构建模块,根据所述数据库中的原始数据信息构建知识图谱;
问答模块,用户通过问答交互组件输入提问,系统根据所述提问与所述知识图谱相匹配,根据匹配结果输出对应回答。
8.如权利要求7所述的基于知识图谱实现软件测试智能问答的系统,其特征在于,所述数据库构建模块包括:
站点配置单元,配置需要爬取相关技术信息的所述来源站点,并根据所述来源站点配置站点列表;
站点访问单元,应用爬虫访问所述站点列表中的任一来源站点,并拉取所述来源站点的页面数据;
数据处理单元,筛选出所述页面数据中指定标签数据,并对所述指定标签数据结构化处理写入所述数据库;
站点爬取判断单元,判断所述站点列表是否全部爬取完成,若是则结束;若否则返回所述站点访问步骤直到所述站点列表中的来源站点全部爬取完成。
9.如权利要求7所述的基于知识图谱实现软件测试智能问答的系统,其特征在于,所述图谱构建模块包括:
数据加载单元,加载所述数据库中原始数据信息;
分词单元,应用分词引擎对所述原始数据信息进行分词,将所述分词后的原始数据信息进行关键字分类;
结构化单元,对所述关键字添加关联关系,并对所述关键字和所述关联关系进行结构化处理;
关键字导出单元,将所述关键字导出为图谱关键字列表;
数据处理判断单元,判断所述原始数据是否全部处理完成,若是则解析所述关联关系生成图谱节点构建所述知识图谱;若否则返回数据加载步骤。
10.如权利要求7所述的基于知识图谱实现软件测试智能问答的系统,其特征在于,所述问答模块包括:
问题输入单元,用户通过所述问答交互组件输入软件测试相关问题;
关键字提取单元,系统接收所述问题后,使用所述分词引擎提取所述问题中的关键字实体;
答案输出单元,将所述关键字实体与所述图谱关键字列表进行匹配,根据所述匹配结构输出对应回答。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162348.2A CN112231459A (zh) | 2020-10-27 | 2020-10-27 | 一种基于知识图谱实现软件测试智能问答的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162348.2A CN112231459A (zh) | 2020-10-27 | 2020-10-27 | 一种基于知识图谱实现软件测试智能问答的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112231459A true CN112231459A (zh) | 2021-01-15 |
Family
ID=74109478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162348.2A Pending CN112231459A (zh) | 2020-10-27 | 2020-10-27 | 一种基于知识图谱实现软件测试智能问答的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231459A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657111A (zh) * | 2021-07-30 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 地址识别方法、系统、存储介质及电子设备 |
CN113836003A (zh) * | 2021-08-30 | 2021-12-24 | 南京中兴力维软件有限公司 | 位置实体提取测试方法和JMeter性能测试设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168965A (zh) * | 2016-07-01 | 2016-11-30 | 竹间智能科技(上海)有限公司 | 知识图谱构建系统 |
CN110334272A (zh) * | 2019-05-29 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
CN110597969A (zh) * | 2019-08-12 | 2019-12-20 | 中国农业大学 | 一种农业知识智能问答方法、系统以及电子设备 |
CN110888808A (zh) * | 2019-11-16 | 2020-03-17 | 云南湾谷科技有限公司 | 一种基于知识图谱的Web智能化测试的方法 |
CN111309877A (zh) * | 2018-12-12 | 2020-06-19 | 北京文因互联科技有限公司 | 一种基于知识图谱的智能问答方法及系统 |
-
2020
- 2020-10-27 CN CN202011162348.2A patent/CN112231459A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168965A (zh) * | 2016-07-01 | 2016-11-30 | 竹间智能科技(上海)有限公司 | 知识图谱构建系统 |
CN111309877A (zh) * | 2018-12-12 | 2020-06-19 | 北京文因互联科技有限公司 | 一种基于知识图谱的智能问答方法及系统 |
CN110334272A (zh) * | 2019-05-29 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
CN110597969A (zh) * | 2019-08-12 | 2019-12-20 | 中国农业大学 | 一种农业知识智能问答方法、系统以及电子设备 |
CN110888808A (zh) * | 2019-11-16 | 2020-03-17 | 云南湾谷科技有限公司 | 一种基于知识图谱的Web智能化测试的方法 |
Non-Patent Citations (2)
Title |
---|
叶波;陈佳斌;: "高效可信、灵活赋能的软件测试框架的构建与实施", 信息技术与信息化, no. 05, pages 23 - 27 * |
李文鹏;王建彬;林泽琦;赵俊峰;邹艳珍;谢冰;: "面向开源软件项目的软件知识图谱构建方法", 计算机科学与探索, no. 06, pages 6 - 17 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657111A (zh) * | 2021-07-30 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 地址识别方法、系统、存储介质及电子设备 |
CN113836003A (zh) * | 2021-08-30 | 2021-12-24 | 南京中兴力维软件有限公司 | 位置实体提取测试方法和JMeter性能测试设备 |
CN113836003B (zh) * | 2021-08-30 | 2023-07-25 | 南京中兴力维软件有限公司 | 位置实体提取测试方法和JMeter性能测试设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9536200B2 (en) | Sentiment analysis of data logs | |
CN110597730B (zh) | 基于场景法的自动化测试用例生成方法及系统 | |
CN102902821A (zh) | 基于网络热点话题的图像高级语义标注、检索方法及装置 | |
CN111984829A (zh) | 一种基于vue的树异步加载方法、装置、设备和介质 | |
CN112114892A (zh) | 深度学习模型的获取方法、加载方法及选取方法 | |
CN112231459A (zh) | 一种基于知识图谱实现软件测试智能问答的方法及系统 | |
CN109446689A (zh) | 直流换流站二次系统图纸识别方法及系统 | |
CN113342989B (zh) | 专利数据的知识图谱构建方法、装置、存储介质及终端 | |
CN110287104A (zh) | 测试用例生成方法、装置、终端及计算机可读存储介质 | |
CN114153839B (zh) | 多源异构数据的集成方法、装置、设备及存储介质 | |
CN103440199A (zh) | 测试引导方法和装置 | |
CN114610963A (zh) | 定制数据展示方法、系统、计算机设备及存储介质 | |
CN115576834A (zh) | 支撑故障还原的软件测试复用方法、系统、终端及介质 | |
CN109447412A (zh) | 构建企业关系图谱的方法、装置、计算机设备和存储介质 | |
CN111324725B (zh) | 一种话题获取方法、终端、计算机可读存储介质 | |
CN113157904A (zh) | 基于dfa算法的敏感词过滤方法及系统 | |
CN116629215A (zh) | 教学文档生成方法、装置、电子设备、存储介质 | |
CN109389972B (zh) | 语义云功能的质量测试方法、装置、存储介质和设备 | |
CN102236652B (zh) | 一种信息的分类方法和装置 | |
US20060101358A1 (en) | Circuit design simulation | |
CN106095435A (zh) | 一种信息处理方法及电子设备 | |
CN111291186A (zh) | 一种基于聚类算法的上下文挖掘方法、装置和电子设备 | |
CN114861588B (zh) | 用于芯片设计工具的参数配置方法及装置 | |
CN118503270B (zh) | 一种nl2sql数据集构建方法、装置、设备及介质 | |
CN113656306B (zh) | Sql语句的测试方法、系统、存储介质及计算机设备 |
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 |