CN112363923A - 基于问卷系统的测试方法、装置、计算机设备及介质 - Google Patents
基于问卷系统的测试方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN112363923A CN112363923A CN202011242767.7A CN202011242767A CN112363923A CN 112363923 A CN112363923 A CN 112363923A CN 202011242767 A CN202011242767 A CN 202011242767A CN 112363923 A CN112363923 A CN 112363923A
- Authority
- CN
- China
- Prior art keywords
- target
- test
- questionnaire
- determining
- subsystem
- 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
- 238000010998 test method Methods 0.000 title claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 279
- 201000010099 disease Diseases 0.000 claims abstract description 61
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 13
- 238000010276 construction Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 16
- 238000000034 method Methods 0.000 description 15
- 208000009453 Thyroid Nodule Diseases 0.000 description 4
- 208000024770 Thyroid neoplasm Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 208000037921 secondary disease Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 206010043778 thyroiditis Diseases 0.000 description 1
- 238000002604 ultrasonography 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数字医疗及数据处理技术，提供一种基于问卷系统的测试方法、装置、计算机设备与存储介质，包括：获取并连接预设整体系统中的待测问卷子系统；提取待测问卷子系统中的目标疾病信息，并根据目标疾病信息确定目标问题集与目标答案集；确定目标测试环境，并调用关联度计算模型计算目标问题集与目标答案集的关联度，得到对应目标测试环境的测试用例集；检测测试用例集是否满足预设测试要求；当检测结果为是时，输出测试用例集至待测问卷子系统中，并接收待测问卷子系统的目标结论信息；根据目标结论信息与期望结论信息确定待测问卷子系统的测试结果。本申请能够提高测试的效率，本申请能够促进智慧医疗及智慧城市的建设。
Description
技术领域
本发明涉及数字医疗及数据处理技术领域，尤其涉及一种基于问卷系统的测试方法、装置、计算机设备及介质。
背景技术
问卷系统是一种提供递进式的问卷让用户回答，并根据用户回答出具相应结论的系统。以健康问卷为例，健康问卷系统支持14个疾病大类，140多种特定疾病，每一疾病对应的问卷数目较多，不同的问卷答案又会对应不同的分支。在健康问卷系统正式运营之前，需对问卷系统中每个分支项目进行测试，使其满足运营要求。
现有技术在对问卷系统进行测试时，从待测问卷系统中导出测试样本数据，将样本数据导入到测试工具中进行数据校验，得到测试结果。然而，上述方法需要准备大量的测试样本数据，并且通过手动导入至测试工具中，测试效率低下。
因此，有必要提供一种基于问卷系统的测试方法，能够提高测试效率。
发明内容
鉴于以上内容，有必要提出一种基于问卷系统的测试方法、基于问卷系统的测试装置、计算机设备及介质，能够提高测试效率。
本发明实施例第一方面提供一种基于问卷系统的测试方法，所述基于问卷系统的测试方法包括：
获取并连接预设整体系统中的待测问卷子系统；
提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集；
确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集；
检测所述测试用例集是否满足预设测试要求；
当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息；
根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，所述获取并连接预设整体系统中的待测问卷子系统包括：
获取对应所述预设整体系统的所有主题名称；
检测所述主题名称中是否包含目标关键字；
当检测结果为所述主题名称中包含目标关键字时，确定包含所述目标关键字的子系统为待测问卷子系统；
获取对应所述待测问卷子系统的标准接口，并根据所述标准接口连接所述待测问卷子系统。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，根据所述目标疾病信息确定目标问题集与目标答案集包括：
根据所述目标疾病信息遍历预先设置的疾病与问题的第一映射关系，确定对应所述目标疾病信息的目标问题集；
根据所述目标问题集遍历预先设置的问题与答案的第二映射关系，确定对应所述目标问题集的目标答案集。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，所述检测所述测试用例集是否满足预设测试要求包括：
计算所述测试用例集中每一测试用例的哈希码；
检测是否存在相同的所述哈希码；
当检测结果为不存在相同的所述哈希码时，确定所述测试用例集满足单一性要求；
当检测结果为存在相同的所述哈希码时，确定所述测试用例集不满足单一性要求。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，所述检测所述测试用例集是否满足预设测试要求还包括：
获取所述测试用例集对应所述目标问题集中每一问题的重要程度值；
检测所述重要程度值是否超过预设重要程度阈值范围；
当检测结果为所述重要程度值超过预设重要程度阈值范围时，确定目标问题；
检测所述目标问题对应的答案是否为空；
当检测结果为所述目标问题对应的答案不为空时，确定所述测试用例集满足完整性要求；
当检测结果为所述目标问题对应的答案为空时，确定所述测试用例不满足完整性要求。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，所述调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集包括：
调用预先训练的关联度计算模型计算所述目标问题集中每一目标问题与所述目标答案集中每一目标答案的关联度值；
检测所述关联度值是否超过预设关联度阈值范围；
当检测结果为所述关联度值超过预设关联度阈值范围时，匹配所述每一目标问题与所述每一目标答案作为测试数据；
获取与所述测试数据对应的测试场景，并将所述测试数据添加至所述测试场景中形成测试用例。
进一步地，在本申请提供的上述基于问卷系统的测试方法中，所述根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果包括：
检测所述目标结论信息与所述期望结论信息是否一致；
当检测结果为所述目标结论信息与所述期望结论信息一致时，确定所述待测问卷子系统正常；
当检测结果为所述目标结论信息与所述期望结论信息不一致时，确定所述待测问卷子系统存在异常。
本申请实施例第二方面还提供一种基于问卷系统的测试装置，所述基于问卷系统的测试装置包括：
子系统连接模块，用于获取并连接预设整体系统中的待测问卷子系统；
信息集确定模块，用于提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集；
测试集获取模块，确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集；
要求检测模块，用于检测所述测试用例集是否满足预设测试要求；
信息接收模块，用于当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息；
结果确定模块，用于根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
本申请实施例第三方面还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述基于问卷系统的测试方法。
本申请实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述基于问卷系统的测试方法。
本申请实施例提供的上述基于问卷系统的测试方法、基于问卷系统的测试装置、计算机设备以及计算机可读存储介质，通过测试工具自动生成大量符合预设测试要求的测试数据，无需手动将测试数据导入到测试工具中，提高测试效率；且本申请将测试工具直接与预设整体系统中的待测问卷系统连接，使得测试的执行不依赖于所述预设整体系统的稳定性，并避免需要对预设整体系统执行完整流程后才能通过测试的问题，能够提高测试的稳定性与效率，有利于促进智慧医疗的发展及智慧城市的建设。
附图说明
图1是本发明第一实施方式提供的基于问卷系统的测试方法的流程图。
图2是本发明一实施方式的计算机设备的结构示意图。
图3是图2所示的计算机设备的示例性的功能模块图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
图1是本发明第一实施方式的基于问卷系统的测试方法的流程图。所述基于问卷系统的测试方法可以应用于计算机设备，如图1所示，所述基于问卷系统的测试方法可以包括如下步骤：
S11、获取并连接预设整体系统中的待测问卷子系统。
在本申请的至少一实施例中，所述待测问卷子系统提供一种递进式的健康问卷供用户回答，并根据用户的答案出具相应核保结论。所述预设整体系统是一种除了包含待测问卷子系统外，还包括一个或多个其他子系统的整体平台。本申请提供一种基于问卷子系统的测试工具，所述测试工具包括前端显示功能与后端处理功能。所述前端显示功能用于动态显示模拟问卷页面，示例性地，通过前端调取并显示客户资料以及问卷数据，将所述问卷数据输入待测问卷子系统进行评估分析，得到核保结论信息，并将所述核保结论信息传输至前端，通过所述前端显示功能显示核保结论信息。其中，所述客户资料可以为人工输入，也可以从其他数据库中调取；所述问卷数据可以为测试工具生成的测试用例。通过所述前端显示功能能够测试所述待测问卷子系统是否符合问卷显示要求。所述后端处理功能用于处理大批量测试用例。通过所述后端处理功能能够测试所述待测问卷子系统的核保结论信息评估性能是否正常。本申请通过前端显示功能与所述后端处理功能相结合，能够提高测试的全面性。
所述测试工具用于与所述待测问卷子系统建立通讯连接，并对待测问卷子系统进行测试，避免需要先对预设整体系统进行完整流程后才能通过测试的问题，减少预设整体系统对测试的影响，提高测试的稳定性与效率。所述预设整体系统中各个子系统均设有相应主题名称，所述主题名称用于唯一标识该子系统，例如，所述待测问卷子系统的主题名称为“问卷”，通过查看主题名称可以确定待测问卷子系统。
可选地，所述获取并连接预设整体系统中的待测问卷子系统包括：获取对应所述预设整体系统的所有主题名称；检测所述主题名称中是否包含目标关键字；当检测结果为所述主题名称中包含目标关键字时，确定包含所述目标关键字的子系统为待测问卷子系统；获取对应所述待测问卷子系统的标准接口，并根据所述标准接口连接所述待测问卷子系统。
其中，所述目标关键字是指对应所述待测问卷子系统的主题名称，例如，所述目标关键字为“问卷”。所述预设整体系统中不同子系统对应的接口连接关系可能不同。根据所述标准接口确定接口连接关系，根据所述接口连接关系连接所述测试工具与所述待测问卷子系统。
S12、提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集。
在本申请的至少一实施例中，所述待测问卷子系统包含预设数据库，用于存储疾病信息、问题集与答案集等信息。所述疾病信息包括一级疾病信息与二级疾病信息，通过添加标签的方式以区分所述一级疾病信息与所述二级疾病信息，所述标签包括数字标签和/或颜色标签。一级疾病可以为呼吸系统疾病、消化系统疾病等大类疾病，二级疾病可以为甲状腺结节、甲状腺炎等具体疾病。所述一级疾病与所述二级疾病存在映射关系，所述一级疾病可能对应多个二级疾病，所述一级疾病与所述二级疾病的映射关系也存储于所述预设数据库中。在一实施例中，所述目标疾病信息包括二级疾病的名称、ID等信息，通过提取指定标签的数据即可得到所述目标疾病信息。例如，利用绿色标签标识二级疾病信息，通过提取所有绿色标签的数据即可得到二级疾病信息。所述目标问题集是指与所述目标疾病信息匹配的问题，所述目标答案集是指与所述目标问题集匹配的答案。
在本申请的至少一实施例中，所述方法还包括：构建关系树，所述关系树表示目标疾病信息与目标问题集、目标问题集与目标答案集之间的关联关系以及关联值。由于目标疾病的数量为多个，所述关系树的数量也为多个。所述关联值是指疾病与问题、问题与答案之间关联的逻辑值。
示例性地，当所述目标疾病信息为甲状腺结节(ID为20053)时，将“甲状腺结节”作为关系树的父节点，将第一目标问题作为该关系树的子节点，将第一答案作为逻辑值，将第二目标问题作为第一目标问题的子节点，以此类推。所述目标问题集中第一目标问题为“既往是否进行甲状腺结节穿刺活检或手术治疗”，对应所述第一目标问题的所述目标答案集中第一答案包括“是或否”。当所述第一答案为“是”时，所述目标问题集中第二目标问题可以为具体手术时间；当所述第一答案为“否”时，所述目标问题集中第二目标问题可以是“近6月内是否进行甲状腺超声检查”。在此不做限制。
可选地，所述根据所述目标疾病信息确定目标问题集与目标答案集包括：根据所述目标疾病信息遍历预先设置的疾病与问题的第一映射关系，确定对应所述目标疾病信息的目标问题集；根据所述目标问题集遍历预先设置的问题与答案的第二映射关系，确定对应所述目标问题集的目标答案集。
其中，所述关系树中包含疾病与问题的第一映射关系，通过遍历对应所述目标疾病信息的目标关系树中各个子节点，能够得到对应所述目标疾病信息的目标问题集。所述关系树中还包括问题与答案的第二映射关系，通过遍历对应所述目标疾病信息的目标关系树中各个子节点以及子节点间的关联值，能够得到对应所述目标问题集的目标答案集。
在本申请的其他实施例中，所述待测问卷子系统中对应所述目标问题集中大多数问题的答案为一般性答案，所述一般性答案包括“是或否”，只有少数问题的答案需要特殊设置，特殊设置的问题可以通过预设标记进行说明。例如，当目标问题可以为具体手术时间时，其对应的答案为具体时间(比如，2019-12-23)。因此，确定所述目标答案集的方法还可以包括：获取对应所述目标疾病信息的所述目标问题集；检测所述目标问题集中的问题是否包含预设标记，当检测结果为所述目标问题集中的问题包含预设标记时，确定对应所述预设标记的特殊问题；根据所述特殊问题获取对应的特殊性答案，并将所述特殊性答案与一般性答案作为所述目标答案集。
其中，预设标记为预先设置的标记，例如，标黄、添加标签、加粗等标记。当检测结果为所述目标问题集中的问题未包含预设标记时，说明所述目标问题集中所有问题的答案均为一般性答案，也即所有问题的答案均为“是或否”，直接将所述一般性答案作为所述目标答案集。所述特殊问题可以为具体手术时间等问题。所述一般性答案可以为“是或否”的答案。通过将目标问题集进行分类，分为特殊问题与一般问题，对应特殊问题确定特殊性答案，对应一般问题确定一般性答案，能够对问卷系统中少量特殊问题进行针对性处理，提高目标问题集的获取效率，进而提高测试效率。
S13、确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集。
在本申请的至少一实施例中，所述目标测试环境的数量可以为1个，也可以为多个，可选地，所述目标测试环境的数量为多个。本申请能够实现多个目标测试环境的切换，提高测试效率。通过配置相应的目标测试环境使所述测试环境与真实环境一致，从而准确地获取测试结果。所述目标测试环境是指测试运行其上的软件和硬件环境的描述，以及任何其他与被测软件交互的软件，包括驱动。目标测试环境是指为了完成软件测试工作所必需的计算机硬件、软件、网络设备、历史数据的总称。在一实施例中，所述确定目标测试环境的方法包括：获取目标环境标识与目标服务标识；根据所述目标环境标识与所述目标服务标识从数据库中获取对应的搭建参数；根据所述搭建参数以及目标环境框架确定目标测试环境。其中，所述搭建参数包括环境参数与服务环境类型，所述目标环境标识与所述环境参数对应，所述目标服务标识与所述服务环境类型对应。所述目标环境框架可以为预设的环境框架。其中，环境框架即可以为适用于任意测试环境的框架。
所述关联度计算模型是指根据关联规则算法确定的计算模型，通过关联规则对所述目标问题集与所述目标答案集进行挖掘,以确定所述目标问题集中每一问题与所述目标答案集中每一答案的关联度。
可选地，所述调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集包括：调用预先训练的关联度计算模型计算所述目标问题集中每一目标问题与所述目标答案集中每一目标答案的关联度值；检测所述关联度值是否超过预设关联度阈值范围；当检测结果为所述关联度值超过预设关联度阈值范围时，匹配所述每一目标问题与所述每一目标答案作为测试数据；获取与所述测试数据对应的测试场景，并将所述测试数据添加至所述测试场景中形成测试用例。
其中，假设所述目标问题集包含第一目标问题与第二目标问题，所述目标答案集包含第一目标答案与第二目标答案，所述第一目标问题与所述第一目标答案关联，所述第二目标问题与所述第一目标答案关联，所述第二目标答案与所述第二目标问题关联。所述计算所述目标问题集中每一目标问题与所述目标答案集中每一目标答案的关联度值也即包括计算所述第一目标问题与所述第一目标答案的关联值、计算所述第二目标问题与所述第一目标答案的关联值、所述第二目标答案与所述第二目标问题的关联值。所述预设关联度阈值范围为预先设置的，例如，所述预设关联度阈值为85％。当检测结果为所述关联度未超过预关联度阈值范围时，说明当前问题与答案并不匹配，则不将当前问题与答案作为一个测试用例。
其中，所述测试用例包括测试目标、目标测试环境、测试数据、测试步骤、预期结果以及测试脚本等信息。所述测试场景包括测试目标、目标测试环境、测试步骤、预期结果以及测试脚本等信息。所述测试数据与所述测试场景存在映射关系，所述测试数据可以对应1个所述测试场景，也可以对应多个所述测试场景。
S14、检测所述测试用例集是否满足预设测试要求，当检测结果为所述测试用例集满足预设测试要求时，执行步骤S15。
在本申请的至少一实施例中，所述预设测试要求包括单一性要求以及完整性要求，其中，所述单一性要求是指所述测试用例集中每两个测试用例互不相同的，所述完整性要求是指所述测试用例集中每一测试用例是完整的。
可选地，所述检测所述测试用例集是否满足预设测试要求包括：计算所述测试用例集中每一测试用例的哈希码；检测是否存在相同的所述哈希码；当检测结果为不存在相同的所述哈希码时，确定所述测试用例集满足单一性要求；当检测结果为存在相同的所述哈希码时，确定所述测试用例集不满足单一性要求。
其中，所述计算所述测试用例集中每一测试用例的哈希码包括：获取所述测试用例集中每一测试用例的目标结构化数据；通过MD5算法获取所述目标结构化数据的哈希码(Hash码)。所述测试用例集中每一测试用例均包含一般信息与特定信息，一般信息是指每个测试用例均包含的信息，特定信息是指每个测试用例特有的信息。将每一测试用例的特定信息进行结构化处理，得到目标结构化数据。当检测结果为存在相同的哈希码时，确定相同哈希码对应的第一测试用例与第二测试用例，删除所述第二测试用例。
可选地，所述检测所述测试用例集是否满足预设测试要求还包括：获取所述测试用例集对应所述目标问题集中每一问题的重要程度值；检测所述重要程度值是否超过预设重要程度阈值范围；当检测结果为所述重要程度值超过预设重要程度阈值范围时，确定目标问题；检测所述目标问题对应的答案是否为空；当检测结果为所述目标问题对应的答案不为空时，确定所述测试用例集满足完整性要求；当检测结果为所述目标问题对应的答案为空时，确定所述测试用例不满足完整性要求。
其中，每一所述测试用例包含多个目标问题，多个目标问题构成目标问题集，所述目标答案集中的每一目标答案与所述目标问题对应，所述测试用例中按照预设存储格式存储所述目标问题与其对应的目标答案。根据所述预设存储格式确定所述目标答案的位置，并通过检测所述位置是否存在数值来检测所述目标问题对应的答案是否为空，当检测结果为所述位置不存在数值时，确定所述目标问题对应的答案为空；当检测结果为所述位置存在数值时，确定所述目标问题对应的答案不为空。不同目标问题的重要程度不同，当所述目标问题的重要程度达到预设重要程度阈值范围时，确定所述目标问题为必要问题，所述必要问题对应的答案不能为空，也即所述必要问题须有与其对应的答案；当所述目标问题的重要程度未达到预设重要程度阈值范围时，确定所述目标问题为非必要问题，所述非必要问题对应的答案可以为空，也即所述非必要问题可以无与其对应的答案。每一问题的重要程度值可根据该问题对核保结论的影响程度确定，对核保结论的影响程度较大，该问题的重要程度较高；对核保结论的影响程度较小，该问题的重要程度较低。所述预设重要程度阈值为预先设置的，例如，所述预设重要程度阈值为85％。
在一实施例中，当检测结果为所述目标问题对应的答案为空时，确定所述测试用例不满足完整性要求，所述方法还包括：删除不满足完整性要求的所述测试用例。在其他实施例中，当检测结果为所述目标问题对应的答案为空时，所述方法还包括：确定所述目标问题对应的答案，并将所述答案添加至所述测试用例中，以使所述测试用例满足完整性要求。可以通过获取与所述目标问题的类型相同的问题对应的答案，得到所述目标问题的答案。
S15、输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息。
在本申请的至少一实施例中，所述目标结论信息是指对应所述测试用例集中每一测试用例的核保结论信息。可选地，在所述输出所述测试用例集至所述待测问卷子系统之前，所述方法还包括：封装所述测试用例集中每一测试用例作为请求消息；采用webservice技术，通过测试接口将所有请求消息输出至所述待测问卷子系统中。
其中，所述待测问卷子系统对接收到的所有请求消息进行解析处理后，得到每个测试用例。所述待测问卷子系统对所述测试用例进行评估分析，得到每个测试用例的风控因素以及核保结论信息。可选地，调用所述待测问卷子系统对所述测试用例进行评估分析包括：结构化所述测试用例，得到结构化标准数据；根据所述结构化标准数据确定目标风控因素，根据所述目标风控因素确定问题选项与答案选项；计算所述问题选项与所述答案选项对应的风控因素得分，并根据所述风控因素得分评定各风控因素的风险等级；根据各风控因素的所述风险等级确定核保结论。
其中，将所述测试用例按照预设格式进行结构化，得到结构化标准数据。所述测试用例的目标问题集中对应一个或多个风控因素，所述目标问题集中的问题选项按照目标风控因素进行分类，并查找提取出各问题选项对应的风险得分，进而统计出各风控因素所对应问卷问题的风险得分。所述待测问卷子系统将每个测试用例的风险因子以及核保结论信息封装为对应所述请求消息的响应消息，并采用web service技术将所述响应消息输出至所述测试工具中。
S16、根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
在本申请的至少一实施例中，所述期望结论信息可存储于每一测试用例中。所述测试结果是指不同目标测试环境下，所述目标结论信息与所述期望结论信息的比对结果。在一实施例中，所述比对结果可通过excel表格等图示化方式展示。所述excel表格支持在线下载，通过下载所述excel表格，并对表格中的比对结果进行本地分析，能够提高测试效率。
可选地，所述根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果包括：检测所述目标结论信息与所述期望结论信息是否一致；当检测结果为所述目标结论信息与所述期望结论信息一致时，确定所述待测问卷子系统正常；当检测结果为所述目标结论信息与所述期望结论信息不一致时，确定所述待测问卷子系统存在异常。
其中，所述检测所述目标结论信息与所述期望结论信息是否一致包括：结构化所述目标结论信息，得到若干个目标子结论；结构化所述期望结论信息，得到若干个期望子结论；分别检测所述目标子结论与匹配的期望子结论是否相同；当检测结果为所述目标子结论与匹配的期望子结论全部相同时，确定所述目标结论信息与所述期望结论信息一致；当检测结果为所述目标子结论与匹配的期望子结论存在不相同时，确定所述目标结论信息与所述期望结论信息不一致。
需要说明的是，为进一步保证上述目标疾病信息、目标问题集、目标答案集、测试用例集、目标结论信息及测试结果的私密性和安全性，上述目标疾病信息、目标问题集、目标答案集、测试用例集、目标结论信息及测试结果等可存储于区块链的节点中。
本申请实施例提供的上述基于问卷系统的测试方法，通过测试工具自动生成大量符合预设测试要求的测试数据，无需手动将测试数据导入到测试工具中，提高测试效率；且本申请将测试工具直接与预设整体系统中的待测问卷子系统连接，使得测试的执行不依赖于所述预设整体系统的稳定性，并避免需要对预设整体系统执行完整流程后才能通过测试的问题，能够提高测试的稳定性与效率，有利于促进智慧医疗的发展及智慧城市的建设。
以上是对本发明实施例所提供的方法进行的详细描述。根据不同的需求，所示流程图中方块的执行顺序可以改变，某些方块可以省略。下面对本发明实施例所提供的计算机设备1进行描述。
图2是本发明一实施方式的计算机设备的结构示意图，如图2所示，计算机设备1包括存储器10，存储器10中存储有所述基于问卷系统的测试装置300。所述计算机设备1可以是计算机、平板电脑、个人数字助理等具有数据处理、分析、程序执行及显示等功能的电子设备。所述基于问卷系统的测试装置300可以获取并连接预设整体系统中的待测问卷子系统；提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集；确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集；检测所述测试用例集是否满足预设测试要求；当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息；根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。通过本申请，能够提高测试的效率，有利于促进智慧医疗的发展及智慧城市的建设。
本实施方式中，计算机设备1还可以包括显示屏20及处理器30。存储器10、显示屏20可以分别与处理器30电连接。
所述的存储器10可以是不同类型存储设备，用于存储各类数据。例如，可以是计算机设备1的存储器、内存，还可以是可外接于该计算机设备1的存储卡，如闪存、SM卡(SmartMedia Card，智能媒体卡)、SD卡(Secure Digital Card，安全数字卡)等。此外，存储器10可以包括非易失性和易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。存储器10用于存储各类数据，例如，所述计算机设备1中安装的各类应用程序(Applications)、应用上述基于问卷系统的测试方法而设置、获取的数据等信息。
显示屏20安装于计算机设备1，用于显示信息。
处理器30用于执行所述基于问卷系统的测试方法以及所述计算机设备1内安装的各类软件，例如操作系统及应用显示软件等。处理器30包含但不限于处理器(CentralProcessing Unit，CPU)、微控制单元(Micro Controller Unit，MCU)等用于解释计算机指令以及处理计算机软件中的数据的装置。
所述的基于问卷系统的测试装置300可以包括一个或多个的模块，所述一个或多个模块被存储在计算机设备1的存储器10中并被配置成由一个或多个处理器(本实施方式为一个处理器30)执行，以完成本发明实施例。参阅图3所示，所述基于问卷系统的测试装置300可以包括子系统连接模块301、信息集确定模块302、测试集获取模块303、要求检测模块304、信息接收模块305以及结果确定模块306。本发明实施例所称的模块可以是完成一特定功能的程序段，比程序更适合于描述软件在处理器30中的执行过程。
可以理解的是，对应上述基于问卷系统的测试方法中的各实施方式，基于问卷系统的测试装置300可以包括图3中所示的各功能模块中的一部分或全部，各模块的功能将在以下具体介绍。需要说明的是，以上基于问卷系统的测试方法的各实施方式中相同的名词相关名词及其具体的解释说明也可以适用于以下对各模块的功能介绍。为节省篇幅及避免重复起见，在此就不再赘述。
子系统连接模块301可以用于获取并连接预设整体系统中的待测问卷子系统。
信息集确定模块302可以用于提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集。
测试集获取模块303可以用于确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集。
要求检测模块304可以用于检测所述测试用例集是否满足预设测试要求。
信息接收模块305可以用于当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息。
结果确定模块306可以用于根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器30执行时实现上述任一实施方式中的基于问卷系统的测试方法的步骤。
所述基于问卷系统的测试装置300/计算机设备集成的模块/单元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机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器30执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存储器等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器30是所述基于问卷系统的测试装置300/计算机设备1的控制中心，利用各种接口和线路连接整个基于问卷系统的测试装置300/计算机设备1的各个部分。
所述存储器10用于存储所述计算机程序和/或模块，所述处理器30通过运行或执行存储在所述存储器10内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述基于问卷系统的测试装置300/计算机设备1的各种功能。所述存储器10可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备1的使用所创建的数据等。
在本发明所提供的几个具体实施方式中，应该理解到，所揭露的计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。系统、装置或计算机设备权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。
以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (10)
1.一种基于问卷系统的测试方法，其特征在于，所述基于问卷系统的测试方法包括：
获取并连接预设整体系统中的待测问卷子系统；
提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集；
确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集；
检测所述测试用例集是否满足预设测试要求；
当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息；
根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
2.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述获取并连接预设整体系统中的待测问卷子系统包括：
获取对应所述预设整体系统的所有主题名称；
检测所述主题名称中是否包含目标关键字；
当检测结果为所述主题名称中包含目标关键字时，确定包含所述目标关键字的子系统为待测问卷子系统；
获取对应所述待测问卷子系统的标准接口，并根据所述标准接口连接所述待测问卷子系统。
3.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述根据所述目标疾病信息确定目标问题集与目标答案集包括：
根据所述目标疾病信息遍历预先设置的疾病与问题的第一映射关系，确定对应所述目标疾病信息的目标问题集；
根据所述目标问题集遍历预先设置的问题与答案的第二映射关系，确定对应所述目标问题集的目标答案集。
4.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述检测所述测试用例集是否满足预设测试要求包括：
计算所述测试用例集中每一测试用例的哈希码；
检测是否存在相同的所述哈希码；
当检测结果为不存在相同的所述哈希码时，确定所述测试用例集满足单一性要求；
当检测结果为存在相同的所述哈希码时，确定所述测试用例集不满足单一性要求。
5.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述检测所述测试用例集是否满足预设测试要求还包括：
获取所述测试用例集对应所述目标问题集中每一问题的重要程度值；
检测所述重要程度值是否超过预设重要程度阈值范围；
当检测结果为所述重要程度值超过预设重要程度阈值范围时，确定目标问题；
检测所述目标问题对应的答案是否为空；
当检测结果为所述目标问题对应的答案不为空时，确定所述测试用例集满足完整性要求；
当检测结果为所述目标问题对应的答案为空时，确定所述测试用例不满足完整性要求。
6.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集包括：
调用预先训练的关联度计算模型计算所述目标问题集中每一目标问题与所述目标答案集中每一目标答案的关联度值；
检测所述关联度值是否超过预设关联度阈值范围；
当检测结果为所述关联度值超过预设关联度阈值范围时，匹配所述每一目标问题与所述每一目标答案作为测试数据；
获取与所述测试数据对应的测试场景，并将所述测试数据添加至所述测试场景中形成测试用例。
7.根据权利要求1所述的基于问卷系统的测试方法，其特征在于，所述根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果包括：
检测所述目标结论信息与所述期望结论信息是否一致；
当检测结果为所述目标结论信息与所述期望结论信息一致时，确定所述待测问卷子系统正常；
当检测结果为所述目标结论信息与所述期望结论信息不一致时，确定所述待测问卷子系统存在异常。
8.一种基于问卷系统的测试装置，其特征在于，所述基于问卷系统的测试装置包括：
子系统连接模块，用于获取并连接预设整体系统中的待测问卷子系统；
信息集确定模块，用于提取所述待测问卷子系统中的目标疾病信息，并根据所述目标疾病信息确定目标问题集与目标答案集；
测试集获取模块，用于确定目标测试环境，并调用预先训练的关联度计算模型计算所述目标问题集与所述目标答案集的关联度，得到对应所述目标测试环境的测试用例集；
要求检测模块，用于检测所述测试用例集是否满足预设测试要求；
信息接收模块，用于当检测结果为所述测试用例集满足预设测试要求时，输出所述测试用例集至所述待测问卷子系统中，并接收所述待测问卷子系统的目标结论信息；
结果确定模块，用于根据所述目标结论信息与期望结论信息确定所述待测问卷子系统的测试结果。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述基于问卷系统的测试方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，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7中任意一项所述基于问卷系统的测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011242767.7A CN112363923B (zh) | 2020-11-09 | 2020-11-09 | 基于问卷系统的测试方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011242767.7A CN112363923B (zh) | 2020-11-09 | 2020-11-09 | 基于问卷系统的测试方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112363923A true CN112363923A (zh) | 2021-02-12 |
| CN112363923B CN112363923B (zh) | 2024-05-14 |
Family
ID=74509222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011242767.7A Active CN112363923B (zh) | 2020-11-09 | 2020-11-09 | 基于问卷系统的测试方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112363923B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113010425A (zh) * | 2021-03-18 | 2021-06-22 | 中国平安人寿保险股份有限公司 | 系统质量监测方法、装置、计算机设备及存储介质 |
| CN113033156A (zh) * | 2021-03-20 | 2021-06-25 | 广州快决测信息科技有限公司 | 基于逻辑树的问卷处理方法、装置及存储介质 |
| CN113656324A (zh) * | 2021-08-31 | 2021-11-16 | 中国平安人寿保险股份有限公司 | 疾病录入及决策的全链路测试方法、装置、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995781A (zh) * | 2014-06-10 | 2014-08-20 | 浪潮通用软件有限公司 | 一种基于模型的构件测试用例生成方法 |
| CN106649103A (zh) * | 2016-11-25 | 2017-05-10 | 深圳大学 | 一种安卓应用程序自动化黑盒测试的方法及系统 |
| 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 |
| US20180349257A1 (en) * | 2017-05-31 | 2018-12-06 | Oracle International Corporation | Systems and methods for test prediction in continuous integration environments |
| CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
| CN110377505A (zh) * | 2019-06-21 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 风险测评选项的全覆盖测试方法、装置、设备及存储介质 |
| CN110716857A (zh) * | 2019-08-27 | 2020-01-21 | 平安普惠企业管理有限公司 | 测试用例管理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-09 CN CN202011242767.7A patent/CN112363923B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995781A (zh) * | 2014-06-10 | 2014-08-20 | 浪潮通用软件有限公司 | 一种基于模型的构件测试用例生成方法 |
| 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 |
| CN106649103A (zh) * | 2016-11-25 | 2017-05-10 | 深圳大学 | 一种安卓应用程序自动化黑盒测试的方法及系统 |
| US20180349257A1 (en) * | 2017-05-31 | 2018-12-06 | Oracle International Corporation | Systems and methods for test prediction in continuous integration environments |
| CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
| CN110377505A (zh) * | 2019-06-21 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 风险测评选项的全覆盖测试方法、装置、设备及存储介质 |
| CN110716857A (zh) * | 2019-08-27 | 2020-01-21 | 平安普惠企业管理有限公司 | 测试用例管理方法、装置、计算机设备和存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113010425A (zh) * | 2021-03-18 | 2021-06-22 | 中国平安人寿保险股份有限公司 | 系统质量监测方法、装置、计算机设备及存储介质 |
| CN113010425B (zh) * | 2021-03-18 | 2024-04-02 | 中国平安人寿保险股份有限公司 | 系统质量监测方法、装置、计算机设备及存储介质 |
| CN113033156A (zh) * | 2021-03-20 | 2021-06-25 | 广州快决测信息科技有限公司 | 基于逻辑树的问卷处理方法、装置及存储介质 |
| CN113656324A (zh) * | 2021-08-31 | 2021-11-16 | 中国平安人寿保险股份有限公司 | 疾病录入及决策的全链路测试方法、装置、设备及介质 |
| CN113656324B (zh) * | 2021-08-31 | 2023-08-22 | 中国平安人寿保险股份有限公司 | 疾病录入及决策的全链路测试方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112363923B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112363923B (zh) | 基于问卷系统的测试方法、装置、计算机设备及介质 | |
| CN112669138B (zh) | 数据处理方法及相关设备 | |
| CN111161815A (zh) | 医疗数据检测方法、装置、终端和计算机可读存储介质 | |
| CN111242793B (zh) | 医保数据异常的检测方法和装置 | |
| CN111552734A (zh) | 用户画像的生成方法及装置、计算机设备、存储介质 | |
| WO2021120688A1 (zh) | 医疗误诊检测方法、装置、电子设备及存储介质 | |
| CN111985241B (zh) | 医学信息查询方法、装置、电子设备及介质 | |
| CN110827159B (zh) | 基于关系图的金融医疗保险诈骗预警方法、装置及终端 | |
| CN112711398A (zh) | 埋点文件生成方法、装置、设备及存储介质 | |
| CN111986763A (zh) | 疾病数据分析方法、装置、电子设备及存储介质 | |
| CN113918467A (zh) | 金融系统测试方法、装置、设备及存储介质 | |
| CN114510487A (zh) | 数据表合并方法、装置、设备及存储介质 | |
| CN112819305A (zh) | 业务指标分析方法、装置、设备及存储介质 | |
| CN111651363A (zh) | 测试数据获取方法、装置、电子设备及介质 | |
| CN114360732B (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
| CN114841165B (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
| CN113283677B (zh) | 指标数据处理方法、装置、设备及存储介质 | |
| CN113470775A (zh) | 信息采集方法、装置、设备及存储介质 | |
| CN111859985B (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
| Barnett | Automated detection of over-and under-dispersion in baseline tables in randomised controlled trials | |
| CN114329095A (zh) | 系统逻辑图生成方法、装置、设备及存储介质 | |
| CN114637636A (zh) | 基于人工智能的ui界面校验方法、装置、设备及介质 | |
| CN113902302A (zh) | 基于人工智能的数据分析方法、装置、设备及存储介质 | |
| CN111986762A (zh) | 异常医疗指标确定方法、装置、电子设备及存储介质 | |
| CN114971643B (zh) | 异常交易识别方法、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 | ||
| GR01 | Patent grant |