CN112580363A - 需求文档处理方法、装置、计算机设备及存储介质 - Google Patents
需求文档处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112580363A CN112580363A CN202011550036.9A CN202011550036A CN112580363A CN 112580363 A CN112580363 A CN 112580363A CN 202011550036 A CN202011550036 A CN 202011550036A CN 112580363 A CN112580363 A CN 112580363A
- Authority
- CN
- China
- Prior art keywords
- document
- analyzed
- scene
- analysis
- requirement
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- 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
- G06F40/20—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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据技术领域,尤其涉及一种需求文档处理方法、装置、计算机设备及存储介质。该需求文档处理方法包括获取获取需求文档分析请求;若分析类型为测试用例输出,则获取待分析需求文档和对应的补充说明文档;调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,获取待分析需求文档的多级测试点;对目标场景进行语义分析,确定目标场景的词元组;对词元组进行场景扩充,获取多个组合场景测试点;基于多级测试点、多个组合场景测试点和补充说明文档,输出目标测试用例文档。该方法可自动输出测试用例,从而减少人工分析需求分档的工作量。本发明还涉及区块链技术领域,目标测试用例文档还可进一步存储至区块链中。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种需求文档处理方法、装置、计算机设备及存储介质。
背景技术
文字分析模型是对现有的文字通过一定的语言模型,对文字进行语义、语言、以及语法进行分析提取,自动去分析文本,按需输出我们所需要的文本,减少人工工作量。
目前,现有技术中的文字分析模型一般都是基于自然语言的分析,比如文本提取,情感分析模型等,都是通过对文本的输入词语进行分析,例如先对文本进行词组向量检测,判断词组类别,再根据词组的上下文或出现的频次等,输出该词组词语的权重,以进行情感分析。但上述文字分析模型由于没有专业大数据词库的加成,导致现有的文本分析模型不能适用于需要专业性分析的文档,例如产品需求文档的文本分析,无法准确输出对应的测试文档。
发明内容
本发明实施例提供一种需求文档处理方法、装置、计算机设备及存储介质,以解决现有的文本分析模型不能适用于需要专业性分析的文档,从而无法准确输出对应的测试文档问题。
一种需求文档处理方法,包括:
获取需求文档分析请求;其中,所述需求文档分析请求一分析类型;
若所述分析类型为测试用例输出,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,所述补充说明文档用于定义所述待分析需求文档中的目标场景;
调用预先创建好的文本分析模型,对所述待分析需求文档进行匹配分析,获取所述待分析需求文档的多级测试点;
对所述目标场景进行语义分析,确定所述目标场景的词元组;
对所述词元组进行场景扩充,获取多个组合场景测试点;
基于所述多级测试点、所述多个组合场景测试点和所述补充说明文档,输出目标测试用例文档。
一种需求文档处理装置,包括:
需求文档分析请求获取模块,用于获取需求文档分析请求;其中,所述需求文档分析请求一分析类型;
文档获取模块,用于若所述分析类型为测试用例输出,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,所述补充说明文档用于定义所述待分析需求文档中的目标场景;
匹配分析获取模块,用于调用预先创建好的文本分析模型,对所述待分析需求文档进行匹配分析,获取所述待分析需求文档的多级测试点;
语义分析模块,用于对所述目标场景进行语义分析,确定所述目标场景的词元组;
场景扩充模块,用于对所述词元组进行场景扩充,获取多个组合场景测试点;
文档输出模块,用于基于所述多级测试点、所述多个组合场景测试点和所述补充说明文档,输出目标测试用例文档。
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文档处理方法的步骤
一种计算机存储介质,所述计算机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文档处理方法的步骤。
上述需求文档处理方法、装置、计算机设备及存储介质中,获取需求文档分析请求,若分析类型为测试用例输出,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档和对应的补充说明文,以便在进行需求文档分析时,进一步通过补充说明文档对目标场景进行定义,以有效保证输出的测试用例文档的准确性和可靠性。然后,调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,获取待分析需求文档的多级测试点,并对目标场景进行语义分析,确定目标场景的词元组,以便对词元组进行场景扩充,获取多个组合场景测试点,以自动扩充用例场景,有效保证后续输出的测试用例文档的全面性;最后,基于多级测试点、多个组合场景测试点和补充说明文档,输出目标测试用例文档,以智能分析产品需求文档,自动输出测试用例,从而减少人工分析需求分档,并编辑测试用例的工作量。
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文档处理方法的一应用环境示意图;
图2是本发明一实施例中需求文档处理方法的一流程图;
图3是图2中步骤S205的一具体流程图;
图4是图2中步骤S203的一具体流程图;
图5是图2中步骤S202的一具体流程图;
图6是本发明一实施例中需求文档处理方法的一流程图;
图7是本发明一实施例中需求文档处理方法的一流程图;
图8是图7中步骤S705的一具体流程图;
图9是本发明一实施例中需求文档处理装置的一示意图;
图10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。
该页面数据处理方法可应用在如图1的应用环境中,其中,计算机设备通过网络与服务器进行通信。计算机设备可以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。服务器可以用独立的服务器来实现。
在一实施例中,如图2所示,提供一种需求文档处理方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S201:获取需求文档分析请求;其中,需求文档分析请求对应一分析类型。
S202:若分析类型为测试用例输出,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,补充说明文档用于定义待分析需求文档中的目标场景。
其中,本实施例中可应用在需求文档分析或管理系统中,以智能分析产品需求文档,自动输出测试用例,从而减少人工分析需求分档,并编辑测试用例的工作量。此外,本实施例中,在进行需求文档分析时,主要通过不同维度的关键词,即专业术语、特殊词汇以及补充说明文档等进行匹配分析,故可有效提高输出的测试用例文档的准确率。
其中,待分析需求文档可由用户在线编辑或线下编辑上传至系统,此处不做限定。具体地,用户可通过上传或在线编辑待分析需求文档,以使服务器获取需求文档分析请求。该需求文档分析请求对应的分析类型包括但不限于测试用例输出以及需求文档对比分析,该测试用例输出即指通过对待分析需求文档进行匹配分析,以自动输出的目标测试用例文档。该需求文档对分析,即指通过提取待分析需求文档的功能点,并与历史版本的需求文档进行自动对比分析,以输出差异功能点。
具体地,当分析类型为测试用例输出,则服务器响应需求文档分析请求获取待分析需求文档,然后对待分析需求文档进行语义分析,判断待分析需求文档是否包含目标场景,若包括,则需要用户目标场景进行进一步补充说明,即提供补充说明文档编辑或上传的接口,以供用户上传或编辑补充说明文档。
可以理解地是,该目标场景即为包含主谓结构的语句所对应描述的场景,例如“同一客户被多个DS(业务员)扫码”,该语句中包含主语“客户”以及谓语动词“扫码”,此时该目标场景可描述一具体的测试场景,但对于其中的“同一客户”以及“多个DS扫码”的判断条件并没有进一步的明确定义,故需要用户提供补充说明文档,该提供的补充说明文档的内容可包括如何定义同一个客户以及如何定义同一个DS。
S203:调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,获取待分析需求文档的多级测试点。
其中,文本分析模型位预先创建的分析模型,该文本分析模型的数据源包括但不限于专业语义词以及特殊语义词。该专业语义词可通过采集机构内部的测试用例文档或开发涉及文档等专业性文档中的通用词作为该专业语义词,例如对于登录功能来说,其对应的具体专业语义词一般为用户名、密码以及加密等,如用户名长度、用户名和密码是否加密、密码长度以及密码字符,该文本分析模型中会针对的登录功能与其对应的具体专业语义词建立对应的映射关系,即关联存储,以在分析到待分析需求文档中包含“登录”这一测试点时,继续根据具体专业语义词分析对应的具体测试点,如用户名、密码以及加密等。该特殊语义词主要指通过等价类划分或边界值分析等测试用例设计时所应用到的特殊方式对应的关键词,例如等价类划分的特殊语义词为表示范围限制的语义词,该边界值分析主要为大于、等于或小于等,以在后续识别到待分析需求文档中包含此类关键词时,会对应提取该关键词对应的场景处理描述,例如待分析需求文档中包含“年龄大于35岁”,则根据大于这一特殊语义词,进一步提取文档中是否含有小于、等于等场景的处理。
具体地,通过对调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,可获取待分析需求文档的多级测试点,该多级测试点包括根据专业语义词从待分析需求文档中提取的一级测试点以及根据特殊语义词从待分析需求文档中提取的二级测试点。
S204:对目标场景进行语义分析,确定目标场景的词元组。
具体地,通过采用自然语言处理技术(NLP)对待分析需求文档进行语义分析,以根据该自然语言处理技术识别待分析需求文档中包含主谓结构的语句即目标场景,并确定该目标场景中的主语和谓语,作为该目标场景对应的词元组,例如对于“同一客户被多个DS扫码”这一目标场景中的主语为“客户”、谓语为“扫码”。
S205:对词元组进行场景扩充,获取多个组合场景测试点。
具体地,对于目标场景所描述的语义内容,可进一步通过排列组合的方式对词元组进行组合扩充,以得到多个组合场景测试点。
S206:基于多级测试点、多个组合场景测试点和补充说明文档,输出目标测试用例文档。
具体地,通过一预设测试用例文档模板,将多级测试点、多个组合场景测试点和补充说明文档组装至该预设测试用例文档模板对应位置,即可输出一完成的目标测试用例文档,以自动分析需求文档中的测试点,辅助用户完成需求文档分析,可有效减少测试人员的工作量。
需要强调的是,为进一步保证上述目标测试用例文档的私密和安全性,上述目标测试用例文档还可以存储于一区块链的节点中。
本实施例中,通过获取需求文档分析请求,若分析类型为测试用例输出,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档和对应的补充说明文,以便在进行需求文档分析时,进一步通过补充说明文档对目标场景进行定义,以有效保证输出的测试用例文档的准确性和可靠性。然后,调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,获取待分析需求文档的多级测试点,并对目标场景进行语义分析,确定目标场景的词元组,以便对词元组进行场景扩充,获取多个组合场景测试点,以自动扩充用例场景,有效保证后续输出的测试用例文档的全面性;最后,基于多级测试点、多个组合场景测试点和补充说明文档,输出目标测试用例文档,以智能分析产品需求文档,自动输出测试用例,从而减少人工分析需求分档,并编辑测试用例的工作量。
在一实施例中,如图3所示,步骤S205中,即对词元组进行场景扩充,获取多个组合场景测试点,具体包括如下步骤:
S301:对词元组进行场景扩充,得到多个组合场景。
示例性地,对于“同一客户被多个DS扫码”这一目标场景对应的词元组为“客户+扫码”根据该目标场景的上下文可确定出该词元组中对应的两个限制条件即“同一客户”“多个DS”,故可通过针对该限制条件对词元组进行场景扩充,得到如下组合场景:(a)同一客户被同一个DS扫码、(b)同一客户被不同DS扫码、(c)不同客户被同一个DS扫码、(d)不同客户被多个DS扫码、(e)同一客户的组合判断条件、(f)不同客户的组合判断条件、(g)同一DS的组合判断条件以及(f)不同DS的组合判断条件。其中,同一客户的组合判断条件可指当补充说明文档中对于同一客户的定义为手机号码和身份证号码相同,则该同一客户的组合判断条件则包括手机号码相同且身份证号码相同、手机号码不同且身份证号码相同以及手机号码相同且身份证号码不同。
S302:从待分析文档中提取目标场景的预期输出值,并将每一组合场景中的正向场景对应的预期输出置为预期输出值;以及,将每一所述组合场景中的非正向场景对应的预期输出置为空值;其中,所述正向场景为与所述目标场景的语义场景相同的场景;所述非正向场景为与所述目标场景的语义场景不同的场景。
具体地,将每一组合场景中的非正向场景对应的预期输出置为空值;其中,正向场景为与目标场景的语义场景相同的场景,非正向场景为与目标场景的语义场景不同的场景。
S303:根据目标场景的上下文以及每一携带预期输出值的组合场景,生成多个组合场景测试点。
进一步地,在得到上述多个场景之后,还需要进一步结合每一场景对应的预期输出,以得到生成多个组合场景测试点。具体地,待分析需求文档中包括该目标场景对应的预期输出值,故可从待分析文档中提取目标场景的预期输出值,并将每一组合场景中的正向场景对应的预期输出置为预期输出值;以及,将每一组合场景中的非正向场景对应的预期输出置为空值,即无输出值;其中,正向场景为与目标场景的语义场景相同的场景,非正向场景为与目标场景所描述的语义场景不同的场景。由于该目标场景在待分析分档中对应上下文,因此需要根据目标场景的上下文以及每一携带预期输出值的组合场景,生成多个组合场景测试点。
本实施例中,通过对组合场景进行扩充,以完善目标测使用里文档的内容,保证测试用例文档的完整性。
在一实施例中,文本分析模型包括专业语义词以及特殊语义词;如图4所示,步骤S203中,具体包括如下步骤:
S401:对待分析需求文档进行分词处理,得到多个需求词元。
具体地,可采用词库分词法对待分析需求文档进行分词,即按照某种算法构造词,然后去匹配已建好的词库集合,如果匹配到就切分出来成为分割词,其分词过程简单,容易实现。其中,词库分词法包括最大正向匹配的算法和最大逆向匹配的算法。本实施例中,可采用最大逆向匹配的算法对待分析需求文档进行分词,获取多个需求词元。最大逆向匹配的算法是用于对中文进行分词的算法,该算法具有准确率高、算法复杂度低的优点。
示例性地,首先需设定句子切分的最大长度(即预设切分长度)MAX;将待分析需求文档拆分为多个句子,具体可按照预设结束符进行划拆分;再对每一句子按照从右往左的顺序开始切分,得到待匹配字符串;然后将该待匹配字符串和词库进行比对,若词库中包含有该待匹配字符串就记录下来,形成一分割词,否则通过将待匹配字符串减少一个单字,继续比较,直至剩下一个单字则停止切分,获取多个需求词元。
S402:将多个需求词元输入至文本分析模型中进行匹配,将与专业语义词匹配的需求词元作为一级测试点;以及,将与及特殊语义词匹配的需求词元作为二级测试点。
具体地,通过将需求词元输入至文本分析模型中进行匹配,若存在与专业语义词匹配的需求词元,则将需求词元作为一级测试点,若存在与及特殊语义词匹配的需求词元,则将需求词元作为二级测试点,从而通过专业语义词以及特殊语义词这两个维度从待分析需求文档中提取对应的测试点,以保证后续输出测试用例文档的准确性。
本实施例中,在进行需求文档分析时,主要通过不同维度的关键词,即专业语义词、特殊语义词进行匹配分析得到多级测试点,并进一步通过补充说明文档对目标场景进行定义,以有效保证输出的测试用例文档的准确性和可靠性。
在一实施例中,如图5所示,步骤S201中,即获取需求文档分析请求,具体包括如下步骤:
S501:响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档。
S502:对待分析需求文档进行语义分析,判断待分析需求文档中是否包含目标场景。
S503:若包含,则显示目标场景对应的补充说明编辑页面。
S504:接收用户基于补充说明编辑页面编辑的补充说明文档。
具体地,可通过采用自然语言处理技术(NLP)对待分析需求文档进行语义分析,以根据该自然语言处理技术分析句子成分,以识别出待分析需求文档中是否包含主谓结构的语句即目标场景,若包含,则显示目标场景对应的补充说明编辑页面,以使用户可通过对该补充说明编辑页面中的所需补充内容进行补充说明,以生成补充说明文档。
本实施例中,通过自动判断待分析需求文档中是否包含目标场景,若包含则显示对应的补充说明编辑页面使用户编辑补充说明文档,以接收用户基于补充说明编辑页面编辑的补充说明文档,无需用户自行判断并确定所需补充的内容。
在一实施例中,如图6所示,步骤S202之后,该方法还包括如下步骤:
S601:分别对待分析需求文档和补充说明文档进行语法检查处理,以确定待分析需求文档和补充说明文档中的语法错误点。
具体地,在获取到待分析需求文档和补充说明文档后,若待分析需求文档和补充说明文档均为通过用户线下编辑并通过对应的上传接口上传的非结构化文档,规范性和标准型无法保证,故而为保证后续文本分析的准确性,此处可通过预先对待分析需求文档和补充说明文档进行语法检查处理,以去除语法错误,统一数据格式,排除干扰,以有效保证后续文本分析的准确率。
进一步地,在确定待分析需求文档和补充说明文档中的语法错误点之后,还可将语法错误点进行突出标记,以使用户可直观查看该语法错误点,及时对语法错误点进行纠正。
S602:接收语法错误点对应的修改文档。
S603:根据所述修改文档对所述待分析需求文档中的所述语法错误点进行纠正,以更新所述待分析需求文档;和/或,根据所述补充说明文档中的所述语法错误点进行纠正,以更新所述补充说明文档。
具体地,可通过自然语言处理技术(NLP)分别对待分析需求文档和补充说明文档进行语法检查处理,以确定待分析需求文档和补充说明文档中的语法错误点,以便用户针对性的对语法错误点进行修正,以在待分析需求文档和/或补充说明文档存在语法错误时,对语法错误点进行修正,使服务器获取更新后的待分析需求文档和/或补充说明文档。
在一实施例中,如图7所示,步骤S201之后,该方法还包括如下步骤:
S701:若分析类型为需求文档对比分析,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档。
S702:提取待分析需求文档对应的需求文档标题,并根据需求文档标题搜索需求文档库。
S703:从需求文档库中获取需求文档标题对应的的历史需求文档;其中,历史需求文档为当前版本的待分析需求文档所对应的上一版本的需求文档。
S704:调用预先创建好的文本分析模型,分别对待分析需求文档和历史需求文档进行匹配分析,得到待分析需求文档对应的多个第一多级测试点以及历史需求文档对应的多个第二多级测试点。
S705:对第一多级测试点和第二多级测试点进行对比,确定第一多级测试点与第二多级测试点之间的差异测试点。
S706:将差异测试点作为待分析需求文档的版本更新内容与待分析需求文档关联。
进一步地,本实施例中还可仅对待分析需求文档进行分析,此时无需上传补充说明为文档,即通过识别待分析文档中的功能并与历史版本的需求文档中的测试点进行对比分析,以得到存在差异的测试点,该差异测试点包括但不限于新增测试点和功能变更点。其中,需求文档库中存储有不同项目多个版本的需求文档。第一多级测试点为待分析需求文档中的多级测试点。第二多级测试点为历史需求文档中的多级测试点。该多级测试点用于表示需求文档中包含上下级关系的测试点,例如登录这一多级测试点来说,其包括登录测试点以及对应的下级测试点,用户名、密码或加密等。
具体地,由于该待分析需求文档为结构化数据,故可直接从待分析需求文档中通过结构化数据提取函数(如JsonPath提取)提取需求文档标题字段,并根据需求文档标题搜索需求文档库,获取同一项目对应的上一版本的历史需求文档,该上一版本指距离当前版本最近的版本,例如当前版本为2.0,则上一版本为1.0。
在获取到历史需求文档之后,服务器会调用预先创建好的文本分析模型,分别对待分析需求文档和历史需求文档进行匹配分析,得到待分析需求文档对应的多个第一多级测试点以及历史需求文档对应的多个第二多级测试点,即根据文本分析模型中的专业语义词和特殊语义词对分别对待分析需求文档和历史需求文档进行匹配分析,以获取待分析需求文档对应的多个第一多级测试点以及历史需求文档对应的多个第二多级测试点,通过对比分析第一多级测试点与第二多级测试点之间的差异,即可确定差异测试点,以将差异测试点作为待分析需求文档的版本更新内容与待分析需求文档关联,以通过该版本更新内容对当前版本的待分析需求文档进行文档描述,使用户可直接知晓当前版本的待分析需求文档中是否有差异测试点,无需自行查找对比,减少人工操作遗漏的可能性。
在一实施例中,如图8所示,步骤S705中,即对第一多级测试点和第二多级测试点进行对比,确定第一多级测试点与第二多级测试点之间的差异测试点,具体包括如下步骤:
S801:基于多个第一多级测试点创建待分析需求文档对应的第一遍历树;以及,基于多个第二多级测试点创建历史需求文档对应的第二遍历树;
S802:同步遍历第一遍历树和第二遍历树,得到第一遍历树对应的第一待对比数据,以及第二遍历树对应的第二待对数据;其中,第一待对数据包括多个第一访问数据点;第二待对数据包括多个第二访问数据点;
S803:若第一访问数据点与每一第二访问数据点均不同,则将第一访问数据点作为差异测试点。
具体地,为进一步保证数据匹配的效率,基于多个第一多级测试点创建待分析需求文档对应的第一遍历树;以及,基于多个第二多级测试点创建历史需求文档对应的第二遍历树;以通过树结构存储多级测试点中不同级别测试点之间的父子关系,例如登录功能对应的下级测试点为用户名、密码以及加密等,该登录功能可作为父节点,将下级测试点作为该父节点的子节点进行存储,以创建第一遍历树或第二遍历树。
可以理解地是,在树存储结构中,可将第一级别的测试点,如登录、注册作为同一树深度对应的多个并列父节点,然后建立每一父节点与子节点之间的关系,即可生成第一遍历树或第二遍历树。本实施例中,可采用包括但不限于深度优先遍历或广度优先遍历的方式遍历第一遍历树,得到第一遍历树对应的第一待对比数据,以及第二遍历树的第二待对比数据。其中,该第一待对比数据包括多个第一访问数据点,例如,1,2,5,7,6,3,4。第二待对数据包括多个第二访问数据点,例如1,2,5,6,3,4。示例性地,假设第一待对比数据以及第二待对比数据分别为:{1,2,5,7,6,3,4}、{1,2,5,6,3,4、},其中,第一访问数据点“7”与每一第二访问数据点不同,则可将该第一访问数据点作为新增测试点。
进一步地,步骤S604之后,若第一访问数据点与第二访问数据点相同,例如“大于”,则可进一步的对比该访问数据点中的具体内容,例如“大于35岁”,则可比该特殊语义词对应的边界值是否变更,若变更,也可将该第一访问数据点作为差异测试点。
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,提供一种需求文档处理装置,该需求文档处理装置与上述实施例中需求文档处理方法一一对应。如图9所示,该需求文档处理装置包括需求文档分析请求获取模块10、文档获取模块20、匹配分析获取模块30、语义分析模块40、场景扩充模块50以及文档输出模块60。各功能模块详细说明如下:
需求文档分析请求获取模块10,用于获取需求文档分析请求;其中,需求文档分析请求一分析类型。
文档获取模块20,用于若分析类型为测试用例输出,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,补充说明文档用于定义待分析需求文档中的目标场景。
匹配分析获取模块30,用于调用预先创建好的文本分析模型,对待分析需求文档进行匹配分析,获取待分析需求文档的多级测试点。
语义分析模块40,用于对目标场景进行语义分析,确定目标场景的词元组。
场景扩充模块50,用于对词元组进行场景扩充,获取多个组合场景测试点。
文档输出模块60,用于基于多级测试点、多个组合场景测试点和补充说明文档,输出目标测试用例文档。
具体地,场景扩充模块包括场景输出值匹配单元和场景组合单元。
场景输出值匹配单元,用于从待分析文档中提取目标场景的预期输出值,并将每一组合场景中的正向场景对应的预期输出置为预期输出值;以及,将每一组合场景中的非正向场景对应的预期输出置为空值;其中,正向场景为与目标场景的语义场景相同的场景,非正向场景为与目标场景的语义场景不同的场景。
场景组合单元,用于根据目标场景的上下文以及每一携带预期输出值的组合场景,生成多个组合场景测试点。
具体地,文本分析模型包括专业语义词以及特殊语义词;该匹配分析获取模块包括分词单元和词元匹配单元。
分词单元,用于对待分析需求文档进行分词处理,得到多个需求词元。
词元匹配单元,用于将多个需求词元输入至文本分析模型中进行匹配,将与专业语义词匹配的需求词元作为一级测试点;以及,将与及特殊语义词匹配的需求词元作为二级测试点。
具体地,文档获取模块包括路径深度获取单元和目标功能页面获取单元。
待分析需求文档获取单元,用于响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档。
语义分析单元,用于对待分析需求文档进行语义分析,判断待分析需求文档中是否包含目标场景。
编辑页面显示单元,用于若包含,则显示目标场景对应的补充说明编辑页面。
补充文档接收单元,用于接收用户基于补充说明编辑页面编辑的补充说明文档。
具体地,该需求文档处理装置还包括语法检查模块、修改文档接收模块以及语法纠正模块。
语法检查模块,用于分别对待分析需求文档和补充说明文档进行语法检查处理,以确定待分析需求文档和补充说明文档中的语法错误点。
修改文档接收模块,用于接收语法错误点对应的修改文档。
语法纠正模块,用于根据修改文档对待分析需求文档中的语法错误点进行纠正,以更新待分析需求文档;和/或,根据补充说明文档中的语法错误点进行纠正,以更新补充说明文档。
具体地,该需求文档处理装置还包括对比分析模块、需求文档搜索模块、历史需求文档获取模块、测试点匹配模块、测试点对比模块以及差异版本关联模块。
对比分析模块,用于若分析类型为需求文档对比分析,则响应需求文档分析请求,并解析需求文档分析请求,获取待分析需求文档。
需求文档搜索模块,用于提取待分析需求文档对应的需求文档标题,并根据需求文档标题搜索需求文档库。
历史需求文档获取模块,用于从需求文档库中获取需求文档标题对应的的历史需求文档。其中,历史需求文档为当前版本的待分析需求文档对应的上一版本的需求文档。
测试点匹配模块,用于调用预先创建好的文本分析模型,分别对待分析需求文档和历史需求文档进行匹配分析,得到待分析需求文档对应的多个第一多级测试点以及历史需求文档对应的多个第二多级测试点。
差异测试点确定模块,用于对第一多级测试点和第二多级测试点进行对比,确定第一多级测试点与第二多级测试点之间的差异测试点。
差异版本关联模块,用于将差异测试点作为待分析需求文档的版本更新内容与待分析需求文档关联。
具体地,差异测试点确定模块包括遍历树创建单元、遍历单元以及差异测试点确定单元。
遍历树创建单元,用于基于多个第一多级测试点创建待分析需求文档对应的第一遍历树;以及,基于多个第二多级测试点创建历史需求文档对应的第二遍历树。
遍历单元,用于同步遍历第一遍历树和第二遍历树,得到第一遍历树对应的第一待对比数据,以及第二遍历树对应的第二待对数据;其中,第一待对数据包括多个第一访问数据点;第二待对数据包括多个第二访问数据点。
差异测试点确定单元,用于若第一访问数据点与每一第二访问数据点均不同,则将第一访问数据点作为差异测试点。
关于需求文档处理装置的具体限定可以参见上文中对于需求文档处理方法的限定,在此不再赘述。上述需求文档处理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10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计算机存储介质、内存储器。该计算机存储介质存储有操作系统、计算机程序和数据库。该内存储器为计算机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执行需求文档处理方法过程中生成或获取的数据,如操作数据。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文档处理方法。
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上述实施例中的需求文档处理方法的步骤,例如图2所示的步骤S201-S206,或者图3至图8中所示的步骤。或者,处理器执行计算机程序时实现需求文档处理装置这一实施例中的各模块/单元的功能,例如图9所示的各模块/单元的功能,为避免重复,这里不再赘述。
在一实施例中,提供一计算机存储介质,该计算机存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中需求文档处理方法的步骤,例如图2所示的步骤S201-S206,或者图3至图8中所示的步骤,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现上述需求文档处理装置这一实施例中的各模块/单元的功能,例如图9所示的各模块/单元的功能,为避免重复,这里不再赘述。
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,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。
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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将需求文档处理装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上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)
1.一种需求文档处理方法,其特征在于,包括:
获取需求文档分析请求;其中,所述需求文档分析请求一分析类型;
若所述分析类型为测试用例输出,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,所述补充说明文档用于定义所述待分析需求文档中的目标场景;
调用预先创建好的文本分析模型,对所述待分析需求文档进行匹配分析,获取所述待分析需求文档的多级测试点;
对所述目标场景进行语义分析,确定所述目标场景的词元组;
对所述词元组进行场景扩充,获取多个组合场景测试点;
基于所述多级测试点、所述多个组合场景测试点和所述补充说明文档,输出目标测试用例文档。
2.如权利要求1所述需求文档处理方法,其特征在于,所述对所述词元组进行场景扩充,获取多个组合场景测试点,包括:
对所述词元组进行场景扩充,得到多个组合场景;
从所述待分析文档中提取目标场景的预期输出值,并将每一所述组合场景中的正向场景对应的预期输出置为所述预期输出值;以及,
将每一所述组合场景中的非正向场景对应的预期输出置为空值;其中,所述正向场景为与所述目标场景的语义场景相同的场景;所述非正向场景为与所述目标场景的语义场景不同的场景;
根据所述目标场景的上下文以及每一携带所述预期输出的组合场景,生成所述多个组合场景测试点。
3.如权利要求1所述需求文档处理方法,其特征在于,所述文本分析模型包括专业语义词以及特殊语义词;
所述用预先创建好的文本分析模型,对所述待分析需求文档进行匹配分析,获取所述待分析需求文档的多级测试点,包括:
对所述待分析需求文档进行分词处理,得到多个需求词元;
将所述多个需求词元输入至所述文本分析模型中进行匹配,将与所述专业语义词匹配的所述需求词元作为一级测试点;以及,将与所述及特殊语义词匹配的所述需求词元作为二级测试点。
4.如权利要求1所述需求文档处理方法,其特征在于,所述响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档,包括:
响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档;
对所述待分析需求文档进行语义分析,判断所述待分析需求文档中是否包含目标场景;
若包含,则显示目标场景对应的补充说明编辑页面;
接收用户基于所述补充说明编辑页面编辑的所述补充说明文档。
5.如权利要求1所述需求文档处理方法,其特征在于,在所述若所述分析类型为测试用例输出,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档的步骤之后,所述需求文档处理方法还包括:
分别对所述待分析需求文档和所述补充说明文档进行语法检查处理,以确定所述待分析需求文档和/或所述补充说明文档中的语法错误点;
接收所述语法错误点对应的修改文档;
根据所述修改文档对所述待分析需求文档中的所述语法错误点进行纠正,以更新所述待分析需求文档;和/或,根据所述补充说明文档中的所述语法错误点进行纠正,以更新所述补充说明文档。
6.如权利要求1所述需求文档处理方法,其特征在于,在所述获取需求文档分析请求之后,所述需求文档处理方法还包括:
若所述分析类型为需求文档对比分析,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档;
提取所述待分析需求文档对应的需求文档标题,并根据所述需求文档标题搜索需求文档库;
从所述需求文档库中获取所述需求文档标题对应的的历史需求文档;其中,所述历史需求文档为当前版本的待分析需求文档所对应的上一版本的需求文档;
调用预先创建好的所述文本分析模型,分别对所述待分析需求文档和所述历史需求文档进行匹配分析,得到所述待分析需求文档对应的多个第一多级测试点以及所述历史需求文档对应的多个第二多级测试点;
对所述第一多级测试点和所述第二多级测试点进行对比,确定所述第一多级测试点与所述第二多级测试点之间的差异测试点;
将所述差异测试点作为所述待分析需求文档的版本更新内容与所述待分析需求文档关联。
7.如权利要求6所述需求文档处理方法,其特征在于,所述对所述第一多级测试点和所述第二多级测试点进行对比,确定所述第一多级测试点与所述第二多级测试点之间的差异测试点,包括:
基于所述多个第一多级测试点创建所述待分析需求文档对应的第一遍历树;以及,基于所述多个第二多级测试点创建所述历史需求文档对应的第二遍历树;
同步遍历所述第一遍历树和所述第二遍历树,得到所述第一遍历树对应的第一待对比数据,以及所述第二遍历树对应的第二待对数据;其中,所述第一待对数据包括多个第一访问数据点;所述第二待对数据包括多个第二访问数据点;
若所述第一访问数据点与每一所述第二访问数据点均不同,则将所述第一访问数据点作为所述差异测试点。
8.一种需求文档处理装置,其特征在于,包括:
需求文档分析请求获取模块,用于获取需求文档分析请求;其中,所述需求文档分析请求一分析类型;
文档获取模块,用于若所述分析类型为测试用例输出,则响应所述需求文档分析请求,并解析所述需求文档分析请求,获取待分析需求文档和对应的补充说明文档;其中,所述补充说明文档用于定义所述待分析需求文档中的目标场景;
匹配分析获取模块,用于调用预先创建好的文本分析模型,对所述待分析需求文档进行匹配分析,获取所述待分析需求文档的多级测试点;
语义分析模块,用于对所述目标场景进行语义分析,确定所述目标场景的词元组;
场景扩充模块,用于对所述词元组进行场景扩充,获取多个组合场景测试点;
文档输出模块,用于基于所述多级测试点、所述多个组合场景测试点和所述补充说明文档,输出目标测试用例文档。
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7任一项所述需求文档处理方法的步骤。
10.一种计算机存储介质,所述计算机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7任一项所述需求文档处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550036.9A CN112580363A (zh) | 2020-12-24 | 2020-12-24 | 需求文档处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550036.9A CN112580363A (zh) | 2020-12-24 | 2020-12-24 | 需求文档处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580363A true CN112580363A (zh) | 2021-03-30 |
Family
ID=75140469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011550036.9A Pending CN112580363A (zh) | 2020-12-24 | 2020-12-24 | 需求文档处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580363A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282498A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 测试用例的生成方法、装置、设备及存储介质 |
CN113362111A (zh) * | 2021-06-04 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种内容发送方法、装置及电子设备 |
CN116915767A (zh) * | 2023-09-13 | 2023-10-20 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 文档传输方法及装置 |
-
2020
- 2020-12-24 CN CN202011550036.9A patent/CN112580363A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282498A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 测试用例的生成方法、装置、设备及存储介质 |
CN113282498B (zh) * | 2021-05-31 | 2024-04-05 | 深圳赛安特技术服务有限公司 | 测试用例的生成方法、装置、设备及存储介质 |
CN113362111A (zh) * | 2021-06-04 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种内容发送方法、装置及电子设备 |
CN113362111B (zh) * | 2021-06-04 | 2023-07-28 | 北京百度网讯科技有限公司 | 一种内容发送方法、装置及电子设备 |
CN116915767A (zh) * | 2023-09-13 | 2023-10-20 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 文档传输方法及装置 |
CN116915767B (zh) * | 2023-09-13 | 2024-03-29 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 文档传输方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220308942A1 (en) | Systems and methods for censoring text inline | |
WO2019136993A1 (zh) | 文本相似度计算方法、装置、计算机设备和存储介质 | |
CN106874441B (zh) | 智能问答方法和装置 | |
CN112580363A (zh) | 需求文档处理方法、装置、计算机设备及存储介质 | |
CN110765763A (zh) | 语音识别文本的纠错方法、装置、计算机设备和存储介质 | |
Guerrouj et al. | Tidier: an identifier splitting approach using speech recognition techniques | |
US20180181866A1 (en) | Crowdsourced learning engine for semantic analysis of webpages | |
CN111814466A (zh) | 基于机器阅读理解的信息抽取方法、及其相关设备 | |
CN110276071B (zh) | 一种文本匹配方法、装置、计算机设备及存储介质 | |
CN111680634B (zh) | 公文文件处理方法、装置、计算机设备及存储介质 | |
CN112417885A (zh) | 基于人工智能的答案生成方法、装置、计算机设备及介质 | |
CN108959559B (zh) | 问答对生成方法和装置 | |
US10191946B2 (en) | Answering natural language table queries through semantic table representation | |
KR101509727B1 (ko) | 자율학습 정렬 기반의 정렬 코퍼스 생성 장치 및 그 방법과, 정렬 코퍼스를 사용한 파괴 표현 형태소 분석 장치 및 그 형태소 분석 방법 | |
CN111176996A (zh) | 测试用例生成方法、装置、计算机设备及存储介质 | |
CN111178064B (zh) | 基于字段分词处理的信息推送方法、装置和计算机设备 | |
WO2023045184A1 (zh) | 一种文本类别识别方法、装置、计算机设备及介质 | |
WO2022142635A1 (zh) | 业务信息录入方法、装置、服务器和存储介质 | |
CN112559526A (zh) | 数据表导出方法、装置、计算机设备及存储介质 | |
WO2021190653A1 (zh) | 一种语义解析设备、方法、终端及存储介质 | |
CN111597118A (zh) | 测试用例生成方法、装置、计算机设备及存储介质 | |
CN113177407A (zh) | 数据字典的构建方法、装置、计算机设备及存储介质 | |
CN115858776B (zh) | 一种变体文本分类识别方法、系统、存储介质和电子设备 | |
WO2019148797A1 (zh) | 自然语言处理方法、装置、计算机设备和存储介质 | |
CN112087473A (zh) | 文档下载方法、装置、计算机可读存储介质和计算机设备 |
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 |