CN113076254A - 一种测试用例集的生成方法和装置 - Google Patents

Abstract

本发明公开了一种测试用例集的生成方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据用户操作行为日志数据生成第一标签数据集；获取第二标签数据集，第二标签数据集包括测试用例库中的测试用例对应的行为事件标签数据；从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例；生成包括选取出的目标测试用例的测试用例集。该实施方式能够解决因使用全部用例作为用例集而导致自动化执行稳定性差、耗时高、自动化效率低等问题，并且以用户实际行为为基准，可以直观地描绘出用户实际的操作行为与测试用例的映射，克服基于线上流量录制脚本维护成本很高、可阅读性低的缺陷。

Description

一种测试用例集的生成方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种测试用例集的生成方法和装置。

背景技术

现有技术中，自动化测试执行的用例集产生路径有：基于需求进行用例设计，预想用户可能会有的操作场景编写测试用例，将全部用例作为测试用例集，用于自动化回归测试。或者，基于线上流量录制，在测试环境中进行回放，可以补充一些未覆盖的场景用例，形成测试用例集，用于自动化回归测试。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

基于场景进行用例设计，将全部用例作为一次自动化回归测试的用例，增加耗时，稳定性差，大大降低了自动化效率。

基于线上流量录制，是把用户实际的操作转换成HTTP请求进行录制，录制的脚本维护成本很高，可阅读性低，即通过HTTP的链路调用，无法直观地描绘出用户实际的操作行为与测试用例的映射。

发明内容

有鉴于此，本发明实施例提供一种测试用例集的生成方法和装置，能够解决因使用全部用例作为用例集而导致自动化执行稳定性差、耗时高、自动化效率低等问题，并且以用户实际行为为基准，可以直观地描绘出用户实际的操作行为与测试用例的映射，克服基于线上流量录制脚本维护成本很高、可阅读性低的缺陷。

为实现上述目的，根据本发明实施例的一个方面，提供了一种测试用例集的生成方法。

一种测试用例集的生成方法，包括：根据用户操作行为日志数据生成第一标签数据集，所述第一标签数据集包括用户行为事件标签数据；获取第二标签数据集，所述第二标签数据集是根据测试用例库中的测试用例生成的，且所述第二标签数据集包括所述测试用例库中的测试用例对应的行为事件标签数据；从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例；在获取到所述目标测试用例的情况下，生成包括所述目标测试用例的测试用例集。

可选地，所述根据用户操作行为日志数据生成第一标签数据集，包括：对所述用户操作行为日志数据进行关键词提取，以提取出实际操作动作和实际操作页面，以一个实际操作动作和相关的实际操作页面作为一个所述用户行为事件标签数据，基于各所述用户行为事件标签数据得到所述第一标签数据集，其中，所述实际操作动作包括真实发生的用户动作和/或页面动作。

可选地，通过埋点方式采集用户的操作行为记录，并通过流式计算框架对所述用户的操作行为记录进行数据处理和清洗，以得到包括所述实际操作动作和所述实际操作页面的所述用户操作行为日志数据。

可选地，还包括：提取所述测试用例库中的文本测试用例所包括的操作动作数据，将所述操作动作数据处理为所述测试用例对应的行为事件标签数据，所述操作动作数据包括预设动作和预设操作页面，所述预设动作包括预先设定的用户动作和/或页面动作，根据所述测试用例对应的行为事件标签数据，得到所述第二标签数据集。

可选地，所述从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例，包括：对于每一所述用户行为事件标签数据，利用相似度算法，计算所述用户行为事件标签数据与所述测试用例库中的各测试用例对应的行为事件标签数据之间的相似度，并将计算得到的相似度排序，以得到与所述用户行为事件标签数据对应的相似度序列；判断所述相似度序列中是否存在大于相似度阈值的相似度，若存在，则从大于所述相似度阈值的相似度中选出相似度最高的至多预设数量的目标相似度，将所述目标相似度对应的测试用例作为所述目标测试用例。

可选地，还包括：判断所述第一标签数据集中是否存在目标用户行为事件标签数据，其中满足如下条件的用户行为事件标签数据为所述目标用户行为事件标签数据：该用户行为事件标签数据与所述第二标签数据集中的任一行为事件标签数据之间的相似度均小于所述相似度阈值；将所述目标用户行为事件标签数据存入所述测试用例库，所述目标用户行为事件标签数据用于生成所述测试用例库中的补充测试用例。

可选地，所述生成包括所述目标测试用例的测试用例集，包括：根据所述目标测试用例和所述补充测试用例，生成所述测试用例集。

可选地，还包括：在未获取到所述目标测试用例的情况下，将所述第一标签数据集存入所述测试用例库。

根据本发明实施例的另一方面，提供了一种测试用例集的生成装置。

一种测试用例集的生成装置，包括：第一标签数据集生成模块，用于根据用户操作行为日志数据生成第一标签数据集，所述第一标签数据集包括用户行为事件标签数据；第二标签数据集获取模块，用于获取第二标签数据集，所述第二标签数据集是根据测试用例库中的测试用例生成的，且所述第二标签数据集包括所述测试用例库中的测试用例对应的行为事件标签数据；测试用例获取模块，用于从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例；测试用例集生成模块，用于在获取到所述目标测试用例的情况下，生成包括所述目标测试用例的测试用例集。

可选地，所述第一标签数据集生成模块还用于：对所述用户操作行为日志数据进行关键词提取，以提取出实际操作动作和实际操作页面，以一个实际操作动作和相关的实际操作页面作为一个所述用户行为事件标签数据，基于各所述用户行为事件标签数据得到所述第一标签数据集，其中，所述实际操作动作包括真实发生的用户动作和/或页面动作。

可选地，还包括用户操作行为日志数据获取模块，用于通过埋点方式采集用户的操作行为记录，并通过流式计算框架对所述用户的操作行为记录进行数据处理和清洗，以得到包括所述实际操作动作和所述实际操作页面的所述用户操作行为日志数据。

可选地，还包括第二标签数据集生成模块，用于：提取所述测试用例库中的文本测试用例所包括的操作动作数据，将所述操作动作数据处理为所述测试用例对应的行为事件标签数据，所述操作动作数据包括预设动作和预设操作页面，所述预设动作包括预先设定的用户动作和/或页面动作，根据所述测试用例对应的行为事件标签数据，得到所述第二标签数据集。

可选地，所述测试用例获取模块还用于：对于每一所述用户行为事件标签数据，利用相似度算法，计算所述用户行为事件标签数据与所述测试用例库中的各测试用例对应的行为事件标签数据之间的相似度，并将计算得到的相似度排序，以得到与所述用户行为事件标签数据对应的相似度序列；判断所述相似度序列中是否存在大于相似度阈值的相似度，若存在，则从大于所述相似度阈值的相似度中选出相似度最高的至多预设数量的目标相似度，将所述目标相似度对应的测试用例作为所述目标测试用例。

可选地，还包括第一测试用例补充模块，用于：判断所述第一标签数据集中是否存在目标用户行为事件标签数据，其中满足如下条件的用户行为事件标签数据为所述目标用户行为事件标签数据：该用户行为事件标签数据与所述第二标签数据集中的任一行为事件标签数据之间的相似度均小于所述相似度阈值；将所述目标用户行为事件标签数据存入所述测试用例库，所述目标用户行为事件标签数据用于生成所述测试用例库中的补充测试用例。

可选地，所述测试用例集生成模块还用于：根据所述目标测试用例和所述补充测试用例，生成所述测试用例集。

可选地，还包括第二测试用例补充模块，用于：在未获取到所述目标测试用例的情况下，将所述第一标签数据集存入所述测试用例库。

根据本发明实施例的又一方面，提供了一种电子设备。

一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明实施例所提供的测试用例集的生成方法。

根据本发明实施例的又一方面，提供了一种计算机可读介质。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的测试用例集的生成方法。

上述发明中的一个实施例具有如下优点或有益效果：根据用户操作行为日志数据生成第一标签数据集，第一标签数据集包括用户行为事件标签数据；获取第二标签数据集，第二标签数据集是根据测试用例库中的测试用例生成的，且第二标签数据集包括测试用例库中的测试用例对应的行为事件标签数据；从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例；在获取到目标测试用例的情况下，生成包括目标测试用例的测试用例集。能够解决因使用全部用例作为用例集而导致自动化执行稳定性差、耗时高、自动化效率低等问题，并且以用户实际行为为基准，可以直观地描绘出用户实际的操作行为与测试用例的映射，克服基于线上流量录制脚本维护成本很高、可阅读性低的缺陷。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明一个实施例的测试用例集的生成方法的主要步骤示意图；

图2是根据本发明一个实施例的测试用例集的生成流程示意图；

图3是根据本发明一个实施例的测试用例集的生成装置的主要模块示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明一个实施例的测试用例集的生成方法的主要步骤示意图。

如图1所示，本发明一个实施例的测试用例集的生成方法主要包括如下的步骤S101至步骤S104。

步骤S101：根据用户操作行为日志数据生成第一标签数据集，第一标签数据集包括用户行为事件标签数据；

步骤S102：获取第二标签数据集，第二标签数据集是根据测试用例库中的测试用例生成的，且第二标签数据集包括测试用例库中的测试用例对应的行为事件标签数据；

步骤S103：从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例；

步骤S104：在获取到目标测试用例的情况下，生成包括目标测试用例的测试用例集。

根据用户操作行为日志数据生成第一标签数据集，具体可以包括：对用户操作行为日志数据进行关键词提取，以提取出实际操作动作和实际操作页面，以一个实际操作动作和相关的实际操作页面作为一个用户行为事件标签数据，基于各用户行为事件标签数据得到第一标签数据集。

用户操作行为日志数据为记录用户真实操作行为的日志数据。

从用户操作行为日志数据中提取的关键词为关于实际操作动作和实际操作页面的词，可以通过自然语言处理(NLP)来进行关键词提取，关键词提取的目的是将用户操作行为日志数据翻译为用户行为事件标签数据。

其中，实际操作动作包括真实发生的用户动作和/或页面动作。

用户动作可以是用户对页面所做的各种操作，其包括但不限于用户对页面的点击等动作。页面动作是页面响应于用户动作而发生的动作，包括但不限于页面的跳转等动作。

真实发生的用户动作、页面动作，即指用户真实操作页面而发生的相应的用户动作、页面动作。

实际操作页面即发生实际操作动作时所对应的页面。

用户行为事件标签数据或称用户行为事件Tags(标签)，一个实际操作动作和相关的实际操作页面作为一个用户行为事件标签数据，例如，用户A在首页点击了某一功能，首页跳转至C页面，会生成两条用户行为事件标签数据，一是：用户A点击首页；二是：首页跳转C页面。其中，点击和跳转都是实际操作动作，具体地，点击是用户动作，跳转是页面动作。实际操作页面为首页和C页面。用户A为用户信息，表示发生该用户动作的用户。

测试用例库用于存储预先生成的各个测试用例。测试用例库是能够预先获取到的基础数据池。

可以通过埋点方式采集用户的操作行为记录，并通过流式计算框架对用户的操作行为记录进行数据处理和清洗，以得到包括实际操作动作和实际操作页面的用户操作行为日志数据。

操作行为记录是通过页面埋点等方式记录的用户操作行为。可以将操作行为记录传输到Hadoop分布式文件系统(HDFS)或者实时消息队列中，以进行数据处理和清洗，数据处理和清洗主要是从操作行为记录中解析出关键行为数据，以得到用户操作行为日志数据，关键行为数据包括具体的action(即实际操作动作)和实际操作页面。

流式计算框架具体可以是Spark Streaming，Spark Streaming是Spark核心API(应用程序编程接口)的一个扩展，可以实现高吞吐量的、具备容错机制的实时流数据的处理。

在一个实施例中，在获取第二标签数据集之前，执行本发明实施例的测试用例集的生成方法的设备(例如服务器)可预先根据测试用例库中的测试用例，生成第二标签数据集，生成第二标签数据集的步骤具体可以包括：提取测试用例库中的文本测试用例(即文本形式的测试用例)所包括的操作动作数据，将操作动作数据处理为测试用例对应的行为事件标签数据，所述操作动作数据包括预设动作和预设操作页面，所述预设动作是测试人员预想的操作动作，具体包括预先设定的用户动作和/或页面动作。预设操作页面是发生预设动作对应的页面，根据测试用例对应的行为事件标签数据，得到第二标签数据集。

在另一个实施例中，可以在测试用例库人工标记测试用例对应的行为事件标签数据，以得到第二标签数据集。从而，执行本发明实施例的测试用例集的生成方法的设备(例如服务器)可直接从测试用例库读取到该第二标签数据集。

从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例，具体可以包括：对于每一用户行为事件标签数据，利用相似度算法，计算该用户行为事件标签数据与测试用例库中的各测试用例对应的行为事件标签数据之间的相似度，并将计算得到的相似度排序，所得到的相似度序列即为与该用户行为事件标签数据对应的相似度序列；判断相似度序列中是否存在大于相似度阈值的相似度，若存在，则从大于相似度阈值的相似度中选出相似度最高的至多预设数量的目标相似度，将目标相似度对应的测试用例作为目标测试用例。

本发明实施例的相似度算法可以采用Jaccard(杰卡德)相似度算法或余弦相似度算法。

相似度阈值和上述预设数量(N)可以根据需要设定。例如预设数量N＝5，如果某一条用户行为事件标签数据对应的相似度序列中有10个相似度大于相似度阈值，则仅选取相似度最高的5个相似度作为目标相似度。如果某一条用户行为事件标签数据对应的相似度序列中有3个相似度大于相似度阈值，那么该3个相似度即为目标相似度。

目标相似度对应的测试用例即：计算得到目标相似度所使用的第二标签数据集中的行为事件标签数据对应的测试用例。

当根据某一测试用例生成一条行为事件标签数据，那么该测试用例为该行为事件标签数据对应的测试用例，相应地，该行为事件标签数据是该测试用例对应的行为事件标签数据。

在一个实施例中，还可以判断第一标签数据集中是否存在目标用户行为事件标签数据，其中满足如下条件的用户行为事件标签数据为目标用户行为事件标签数据：该用户行为事件标签数据与第二标签数据集中的任一行为事件标签数据之间的相似度均小于相似度阈值。将目标用户行为事件标签数据存入测试用例库，目标用户行为事件标签数据用于生成测试用例库中的补充测试用例。补充测试用例是测试人员根据目标用户行为事件标签数据反向维护而得到的文本测试用例，反向维护可以包括新增文本测试用例和调整测试用例库中已有的文本测试用例。

在一个实施例中，可以根据目标测试用例和补充测试用例，生成测试用例集。

本发明实施例的测试用例集即测试用例的集合，具体指用于自动化测试的用例集合。

在一个实施例中，在未获取到目标测试用例的情况下，将第一标签数据集存入测试用例库，以便测试人员根据第一标签数据集中的用户行为事件标签数据，反向维护得到测试用例库中新的文本测试用例。

图2是根据本发明一个实施例的测试用例集的生成流程示意图。本发明实施例通过用户实际的操作行为日志数据，形成用户行为事件标签数据，推荐或补充测试用例库中已有的测试用例，从而在线上回归时挖掘出线上用户操作最多的路径及其对应的测试用例，形成测试用例集以用于自动化回归测试。本发明实施例解决因使用全部用例作为用例集而导致自动化执行稳定性低，耗时高的问题。让不断增多的测试用例能够更有效、精准地在自动化测试中发挥作用，同时也能及时调整、补充自动化测试用例，提高用例的准确性及覆盖度，保证测试质量。

本发明实施例可以利用大数据处理框架清洗、处理用户行为数据，经自然语言处理后转换为用户行为事件标签(Tags)数据，结合用户行为事件标签数据与测试用例库中测试用例的行为事件标签(Tags)数据，应用相似度算法进行相似度计算，进而匹配到与用户行为事件标签数据最相似的行为事件标签(Tags)数据对应的测试用例，匹配到的每个测试用例可以称为目标测试用例，基于这些目标测试用例得到自动化测试执行的用例集，即测试用例集。若未匹配到与用户行为事件标签数据最相似的行为事件标签数据对应的测试用例，还可将相应的用户行为事件标签数据维护到测试用例库中，相关人员(例如测试人员)可以查询该库数据，以调整或补充测试用例。

图2中采集用户的操作行为记录的方法，具体地，可以通过埋点的方式，将用户的操作行为记录下来，并将收集到的行为数据发送到统一的日志数据收集平台。

图2中处理和清洗操作行为记录的方法，具体地，可以通过流式计算框架SparkStreaming对传输到Hadoop分布式文件系统(HDFS)或者实时消息队列中的操作行为记录进行数据处理、清洗，目的是解析出关键行为数据并计算，将清洗后的数据，即用户操作行为日志数据保存至数据仓库中。其中关键行为数据需要包含具体的action(即实际操作动作)和具体的操作页面(即实际操作页面)。

图2中的行为事件数据处理步骤用于生成用户行为事件标签数据和测试用例库中的测试用例对应的行为事件标签数据。

其中，生成用户行为事件标签数据的方法，具体地，使用自然语言处理(NLP)进行关键词提取，将用户操作行为日志数据翻译为用户行为事件标签数据，可以利用NLP的分词方法对用户操作行为日志数据按照操作和操作页面进行分词和关键词提取，一个操作及一个操作页面作为一个行为事件Tags(即名词-动词-名词的形式)，此处操作为实际操作动作，操作页面为实际操作页面，即：一个实际操作动作和相关的实际操作页面作为一个用户行为事件标签数据。例如，用户A在首页点击了某一功能，由首页跳转至C页面，会生成两条用户行为事件Tags数据，一是：用户A点击首页；二是：首页跳转C页面，可以看出，上述两条用户行为事件标签数据均为名词-动词-名词的形式。

生成测试用例库中的测试用例对应的行为事件标签数据的方法，具体地，在一个实施例中，可以在测试用例库人工标记测试用例对应的行为事件标签数据。需要说明的是，该实施例中，可以根据人工标记结果去验证使用自然语言处理(NLP)的方式将用户操作行为日志数据翻译为用户行为事件标签数据的结果的准确性，例如，若人工标记的测试用例对应的行为事件标签数据与利用NLP生成的各用户行为事件标签数据之间的相似度高于相似度阈值的均比较少，则表示自然语言处理的算法可能不够准确，那么，可以对自然语言处理的算法进行调整，再应用到本发明实施例的测试用例集的生成方法中；在另一个实施例中，可以通过自然语言处理(NLP)进行关键词提取，将测试用例库中的文本测试用例所包括的操作动作数据翻译为测试用例对应的行为事件标签数据，由于测试用例库中的文本测试用例实质为测试人员预想的用户操作动作，其包括预设动作和预设操作页面，因此基于测试用例库中的文本测试用例能够处理得到测试用例对应的行为事件标签数据。将测试用例库中的文本测试用例所包括的操作动作数据翻译为测试用例对应的行为事件标签数据的具体方法，可参照将用户操作行为日志数据翻译为用户行为事件标签数据的介绍，二者不同之处在于，将测试用例库中的文本测试用例所包括的操作动作数据翻译为测试用例对应的行为事件标签数据时，是按照预设动作和预设操作页面进行分词和关键词提取。

图2中的计算相似度的方法，具体地，可以应用Jaccard相似度算法或余弦相似度算法，本实施例中以Jaccard相似度算法为例，来计算相似度。给定两个集合A、B，Jaccard系数定义为A与B交集的大小与A与B并集的大小的比值，定义如下：

例如，用户操作行为日志数据中真实用户在首页的行为事件Tags，即用户行为事件标签数据为：[A,B,C,D,E]；

测试用例库中在首页的测试用例1的行为事件Tags，即测试用例1对应的行为事件标签数据为：[A,D,E,F,G]；

测试用例库中在首页的测试用例2的行为事件Tags，即测试用例2对应的行为事件标签数据为：[C,H,I,J,K]；

上述真实用户在首页的行为事件Tags属于第一标签数据集，在首页的测试用例1的行为事件Tags、在首页的测试用例2的行为事件Tags属于第二标签数据集。

那么，根据Jaccard相似度算法的上述公式，分别计算出测试用例1、测试用例2的行为事件Tags与真实用户在首页的行为事件Tags相似度。然后，基于得到的相似度进行相似度排序，得到该用户行为事件标签数据对应的相似度序列，即真实用户在首页的行为事件Tags对应的相似度序列，再选取相似度序列中大于相似度阈值的最多N个数值最大的相似度，作为目标相似度，目标相似度对应的测试用例作为推荐结果，即目标测试用例。由公式可知，测试用例1对应的行为事件标签数据与真实用户在首页的行为事件Tags更为相似，假设测试用例1的行为事件Tags与真实用户在首页的行为事件Tags之间的相似度为相似度序列中数值最大的N个相似度之一，且大于相似度阈值，那么，则将测试用例1放入自动化测试执行的测试用例集。在多个测试用例的情况下同理。

若在相似度计算过后，仍未能在测试用例库中推荐出用例(即未能获取到目标测试用例)，那么，可将第一标签数据集维护至测试用例库中。

若在相似度计算过后，存在未匹配到测试用例库中测试用例的真实用户在首页的行为事件Tags(即存在满足如下条件的用户行为事件标签数据：其与第二标签数据集中的任一行为事件标签数据之间的相似度均小于相似度阈值)，可将真实用户未匹配的行为事件Tags(即目标用户行为事件标签数据)维护至测试用例库中。

测试用例库中的数据包括但不限于：文本测试用例、处理后的行为事件Tags数据(即用户行为事件标签数据)、更新时间。将第一标签数据集中的用户行为事件标签数据维护至测试用例库后，测试人员可定时根据维护到测试用例库中的用户行为事件标签数据反向维护文本用例，反向维护包括新增用例和调整测试用例库中已有的用例，该部分也可利用工程技术解决，此次实施例中不做说明。

本发明实施例从大量测试用例中，以用户实际行为为基准，精简自动化运行的测试用例，并通过真实线上用户行为路径数据，清洗成行为事件Tags数据(即用户行为事件标签数据)，以用于生成测试用例集，并可以补充测试用例库中的测试用例。

图3是根据本发明一个实施例的测试用例集的生成装置的主要模块示意图。

如图3所示，本发明一个实施例的测试用例集的生成装置300主要包括：第一标签数据集生成模块301、第二标签数据集获取模块302、测试用例获取模块303、测试用例集生成模块304。

第一标签数据集生成模块301，用于根据用户操作行为日志数据生成第一标签数据集，第一标签数据集包括用户行为事件标签数据；

第二标签数据集获取模块302，用于获取第二标签数据集，第二标签数据集是根据测试用例库中的测试用例生成的，且第二标签数据集包括测试用例库中的测试用例对应的行为事件标签数据；

测试用例获取模块303，用于从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例；

测试用例集生成模块304，用于在获取到目标测试用例的情况下，生成包括目标测试用例的测试用例集。

第一标签数据集生成模块301具体可以用于：对用户操作行为日志数据进行关键词提取，以提取出实际操作动作和实际操作页面，以一个实际操作动作和相关的实际操作页面作为一个用户行为事件标签数据，基于各用户行为事件标签数据得到第一标签数据集，其中，实际操作动作包括真实发生的用户动作和/或页面动作。

测试用例集的生成装置300还可以包括用户操作行为日志数据获取模块，用于通过埋点方式采集用户的操作行为记录，并通过流式计算框架对用户的操作行为记录进行数据处理和清洗，以得到包括实际操作动作和实际操作页面的用户操作行为日志数据。

在一个实施例中，测试用例集的生成装置300还可以包括第二标签数据集生成模块，用于：提取测试用例库中的文本测试用例所包括的操作动作数据，将操作动作数据处理为测试用例对应的行为事件标签数据，操作动作数据包括预设动作和预设操作页面，预设动作包括预先设定的用户动作和/或页面动作，根据测试用例对应的行为事件标签数据，得到第二标签数据集。

测试用例获取模块303具体可以用于：对于每一用户行为事件标签数据，利用相似度算法，计算用户行为事件标签数据与测试用例库中的各测试用例对应的行为事件标签数据之间的相似度，并将计算得到的相似度排序，以得到与用户行为事件标签数据对应的相似度序列；判断相似度序列中是否存在大于相似度阈值的相似度，若存在，则从大于相似度阈值的相似度中选出相似度最高的至多预设数量的目标相似度，将目标相似度对应的测试用例作为目标测试用例。

测试用例集的生成装置300还可以包括第一测试用例补充模块，用于：判断第一标签数据集中是否存在目标用户行为事件标签数据，其中满足如下条件的用户行为事件标签数据为目标用户行为事件标签数据：该用户行为事件标签数据与第二标签数据集中的任一行为事件标签数据之间的相似度均小于相似度阈值；将目标用户行为事件标签数据存入测试用例库，目标用户行为事件标签数据用于生成测试用例库中的补充测试用例。

测试用例集生成模块304具体可以用于：根据目标测试用例和补充测试用例，生成测试用例集。

在一个实施例中，测试用例集的生成装置300还可以包括第二测试用例补充模块，用于：在未获取到目标测试用例的情况下，将第一标签数据集存入测试用例库。

另外，在本发明实施例中测试用例集的生成装置的具体实施内容，在上面测试用例集的生成方法中已经详细说明了，故在此重复内容不再说明。

图4示出了可以应用本发明实施例的测试用例集的生成方法或测试用例集的生成装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的测试用例集的生成方法一般由服务器405执行，相应地，测试用例集的生成装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一标签数据集生成模块、第二标签数据集获取模块、测试用例获取模块、测试用例集生成模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一标签数据集生成模块还可以被描述为“用于根据用户操作行为日志数据生成第一标签数据集的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据用户操作行为日志数据生成第一标签数据集，所述第一标签数据集包括用户行为事件标签数据；获取第二标签数据集，所述第二标签数据集是根据测试用例库中的测试用例生成的，且所述第二标签数据集包括所述测试用例库中的测试用例对应的行为事件标签数据；从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例；在获取到所述目标测试用例的情况下，生成包括所述目标测试用例的测试用例集。

根据本发明实施例的技术方案，根据用户操作行为日志数据生成第一标签数据集，获取根据测试用例库中的测试用例生成的第二标签数据集，从第二标签数据集中，获取所对应的行为事件标签数据与用户行为事件标签数据相似的目标测试用例，根据获取到的目标测试用例生成测试用例集。能够解决因使用全部用例作为用例集而导致自动化执行稳定性差、耗时高、自动化效率低等问题，并且以用户实际行为为基准，可以直观地描绘出用户实际的操作行为与测试用例的映射，克服基于线上流量录制脚本维护成本很高、可阅读性低的缺陷。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (11)

1.一种测试用例集的生成方法，其特征在于，包括：

根据用户操作行为日志数据生成第一标签数据集，所述第一标签数据集包括用户行为事件标签数据；

获取第二标签数据集，所述第二标签数据集是根据测试用例库中的测试用例生成的，且所述第二标签数据集包括所述测试用例库中的测试用例对应的行为事件标签数据；

从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例；

在获取到所述目标测试用例的情况下，生成包括所述目标测试用例的测试用例集。

2.根据权利要求1所述的方法，其特征在于，所述根据用户操作行为日志数据生成第一标签数据集，包括：

对所述用户操作行为日志数据进行关键词提取，以提取出实际操作动作和实际操作页面，以一个实际操作动作和相关的实际操作页面作为一个所述用户行为事件标签数据，基于各所述用户行为事件标签数据得到所述第一标签数据集，其中，所述实际操作动作包括真实发生的用户动作和/或页面动作。

3.根据权利要求1或2所述的方法，其特征在于，通过埋点方式采集用户的操作行为记录，并通过流式计算框架对所述用户的操作行为记录进行数据处理和清洗，以得到包括所述实际操作动作和所述实际操作页面的所述用户操作行为日志数据。

4.根据权利要求1所述的方法，其特征在于，还包括：

提取所述测试用例库中的文本测试用例所包括的操作动作数据，将所述操作动作数据处理为所述测试用例对应的行为事件标签数据，所述操作动作数据包括预设动作和预设操作页面，所述预设动作包括预先设定的用户动作和/或页面动作，根据所述测试用例对应的行为事件标签数据，得到所述第二标签数据集。

5.根据权利要求1所述的方法，其特征在于，所述从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例，包括：

对于每一所述用户行为事件标签数据，利用相似度算法，计算所述用户行为事件标签数据与所述测试用例库中的各测试用例对应的行为事件标签数据之间的相似度，并将计算得到的相似度排序，以得到与所述用户行为事件标签数据对应的相似度序列；

判断所述相似度序列中是否存在大于相似度阈值的相似度，若存在，则从大于所述相似度阈值的相似度中选出相似度最高的至多预设数量的目标相似度，将所述目标相似度对应的测试用例作为所述目标测试用例。

6.根据权利要求5所述的方法，其特征在于，还包括：

判断所述第一标签数据集中是否存在目标用户行为事件标签数据，其中满足如下条件的用户行为事件标签数据为所述目标用户行为事件标签数据：该用户行为事件标签数据与所述第二标签数据集中的任一行为事件标签数据之间的相似度均小于所述相似度阈值；

将所述目标用户行为事件标签数据存入所述测试用例库，所述目标用户行为事件标签数据用于生成所述测试用例库中的补充测试用例。

7.根据权利要求6所述的方法，其特征在于，所述生成包括所述目标测试用例的测试用例集，包括：

根据所述目标测试用例和所述补充测试用例，生成所述测试用例集。

8.根据权利要求1所述的方法，其特征在于，还包括：

在未获取到所述目标测试用例的情况下，将所述第一标签数据集存入所述测试用例库。

9.一种测试用例集的生成装置，其特征在于，包括：

第一标签数据集生成模块，用于根据用户操作行为日志数据生成第一标签数据集，所述第一标签数据集包括用户行为事件标签数据；

第二标签数据集获取模块，用于获取第二标签数据集，所述第二标签数据集是根据测试用例库中的测试用例生成的，且所述第二标签数据集包括所述测试用例库中的测试用例对应的行为事件标签数据；

测试用例获取模块，用于从所述第二标签数据集中，获取所对应的行为事件标签数据与所述用户行为事件标签数据相似的目标测试用例；

测试用例集生成模块，用于在获取到所述目标测试用例的情况下，生成包括所述目标测试用例的测试用例集。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质，其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1-8中任一所述的方法。

Images