CN113254354A

CN113254354A - 测试用例推荐方法、装置、可读存储介质及电子设备

Info

Publication number: CN113254354A
Application number: CN202110747417.4A
Authority: CN
Inventors: 郑巍; 夏传林; 刘友林; 樊鑫; 杨丰玉
Original assignee: Nanchang Hangkong University
Current assignee: Nanchang Hangkong University
Priority date: 2021-07-02
Filing date: 2021-07-02
Publication date: 2021-08-13

Abstract

一种测试用例推荐方法、装置、可读存储介质及电子设备，该测试用例推荐方法包括：对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例；根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱；获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例；将用户点击的历史测试用例和所述候选测试用例输入至DKN模型中，输出所述候选测试用例的点击概率。本发明基于知识图谱技术推荐测试用例，达到软件测试用例准确、快速推荐的目标。

Description

测试用例推荐方法、装置、可读存储介质及电子设备

技术领域

本发明涉及电子技术领域，特别是涉及一种测试用例推荐方法、装置、可读存储介质及电子设备。

背景技术

测试用例（Test Case）是为某个特殊目标而编制的一组测试输入、执行条件以及预期结果，以便测试某个程序路径或核实是否满足某个特定需求。

在软件测试过程中，设计测试用例需要花费大量的人力和时间。目前，关于测试用例推荐的研究较少，且大部分工作都集中在通过构建测试用例库来实现测试用例的推荐。然而，这种方法仅使用了基于关键字的检索模型，在灵活性和推荐率方面仍有所欠缺，很难从海量数据中挖掘测试用例的特征以达到精准推荐的目的。

发明内容

鉴于上述状况，有必要针对现有技术中测试用例推荐精准率低的问题，提供一种测试用例推荐方法、装置、可读存储介质及电子设备。

一种测试用例推荐方法，包括：

对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例；

根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱；

获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例；

将用户点击的历史测试用例和所述候选测试用例输入至DKN模型中，输出所述候选测试用例的点击概率。

进一步的，上述测试用例推荐方法，其中，所述将用户点击的历史测试用例和所述候选测试用例输入至训练后的DKN模式中的步骤之前还包括：

获取用户点击的历史测试用例，并基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量；

以KCNN模型提取的实体特征向量作为输入，以Attention Net为中间层构建DKN模式。

进一步的，上述测试用例推荐方法，其中，所述基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量的步骤包括：

在所述知识图谱中分别查找与所述候选测试用例以及所述历史测试用例相关联的实体；

对查找的当前测试用例，以及所述当前测试用例相关联的实体进行Embedding映射，分别得到当前测试用例Embedding和上下文Embedding；

将当前测试用例Embedding和上下文Embedding进行累加、卷积和池化处理后得到sentence embeddings，将所述sentence embeddings作为所述当前测试用例的实体特征向量。

进一步的，上述测试用例推荐方法，其中，所述根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例的步骤包括：

将所述知识图谱中的测试用例的属性进行分词后，然后进行onehot编码；

利用下述公式计算所述知识图谱中与所述需求信息相似度最大的测试用例，并作为候选测试用例，所述公式为：

，

其中，

，

为需求信息，

为知识图谱中第

个测试用例，

表示测试用例

在测试用例的属性

上onehot编码为1的数量，

为测试用例的属性所对应的权重。

进一步的，上述测试用例推荐方法，其中，所述软件测试项目中的实体还包括：项目、测试项、测试项明细、测试记录和问题报告单。

本发明还公开了一种测试用例推荐装置，包括：

信息提取模块，用于对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例；

图谱构建模块，用于根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱；

查找模块，用于获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例；

输出模块，用于将用户点击的历史测试用例和所述候选测试用例输入至DKN模型中，输出所述候选测试用例的点击概率。

进一步的，上述测试用例推荐装置，还包括：

特征向量提取模块，用于获取用户点击的历史测试用例，并基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量；

模型构建模块，用于以KCNN模型提取的实体特征向量作为输入，以AttentionNet为中间层构建DKN模式。

进一步的，上述测试用例推荐装置，其中，所述基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量的步骤包括：

本发明还公开了一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现上述任一项所述的测试用例推荐方法。

本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述任意一项所述的测试用例推荐方法。

本发明中，将知识图谱作为辅助信息整合到推荐系统中，这样的做法带来两个方面的优势，其一是能够提高推荐系统的准确性，其二是能够为推荐系统提供可解释性。本实施例基于知识图谱技术的测试用例推荐方法，可以对海量软件测试数据进行处理，基于知识图谱技术推荐测试用例，达到软件测试用例准确、快速推荐的目标。

附图说明

图1为本发明第一实施例提供的测试用例推荐方法的流程图；

图2为本发明第二实施例提供的测试用例推荐方法的流程图；

图3为本发明第三实施例提供的测试用例推荐装置的结构框图；

图4为本发明提供的电子设备的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

在多数的测试用例的推荐场景中，软件测试项目中包含丰富的知识信息，而刻画这些知识信息的网络结构即被称为知识图谱。在项目文档数据中，除了有大量的测试用例外，还有和测试用例相关的上下文信息，例如测试记录，测试缺陷等，知识图谱可充分刻画这些知识信息。

为了提高测试用例的推荐率，提升软件测试行业的工作效率，促进测试行业的发展，本发明提出了一种基于知识图谱技术的测试用例推荐方法，可以对海量软件测试数据进行处理，并基于知识图谱技术推荐测试用例，达到软件测试用例准确、快速推荐的目的。

请参阅图1，为本发明第一实施例中的测试用例推荐方法，包括步骤S11~S14。

步骤S11，对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例。

对软件测试项目的文档数据进行信息抽取，提取出文档中的实体，和实体的属性。具体实施时，可通过预先配置的信息抽取规则进行提取。该实体包括但不限于“项目”、“测试项”、“测试项明细”、“测试用例”、“测试记录”和“问题报告单”。每种实体一般都有多个属性，各个实体所对应的属性例如为：

“项目”对应的属性为， name（名称），number（数量），version（版本）；

“测试项”对应的属性为， name（名称），symbol（符号），description（描述），trackrelation（追溯关系），designconstraint（设计约束）；

“测试项明细”对应的属性为，symbol（标识），description（描述），type（类型）；

“测试用例”对应的属性为，symbol（标识），termination（终止），projectname（项目名称），adoptioncriteria（采用标准），designer（设计者），type（类型），ecpectedresult（期望结果），trackdemand（需求追溯），proofreader（校对者），prerequisiteconstraint（先决条件），initialization（初始化），inputstep（输入步骤）；

“测试记录”对应的属性为，casesymbol（案例符号），resultjudgement（结果判断），expectedresult（期望结果），realresult（结果），frequency（频率）；

“问题报告单”对应的属性为，symbo l（标识），provideopinion（提供意见），fixopinion（修正意见），projectname（项目名称），fixedresult（修正结果），description（描述），rank（等级），reporter（汇报者），type（类型），reporttime（汇报时间），problemlocation（问题位置）。

步骤S12，根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱。

实体间的关联关系是相对固定的，一般可依据专家经验并结合项目文档数据对关系进行定义。基于上述六种实体“project（项目）”、“测试项（item）”、“测试项明细（detail）”、“测试用例（case）”、“测试记录（record）”和“问题报告单（bug）”，可建立五种关联关系，这五种关系为“project_to_item（）”、“item_to_detail”、“detail_to_case”、“case_to_record”和“bug_to_record”。

在完成信息抽取后，可以从项目文档中的非结构化数据中得到结构化数据，利用neo4j工具进行图谱构建。通过测试用例知识图谱，可以很清晰的看到项目、测试项、测试用例、问题报告单之间的关联，以及测试用例的分布、缺陷的分布。在测试用例推荐中，就能够优先匹配到那些能够发现软件缺陷的测试用例。

步骤S13，获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例。

该需求信息是用户输入的数据，该需求信息例如包括用例标识、用例描述、测试类型、需求追溯等多种属性信息。

具体的，所述根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例的步骤包括：

，

其中，

，

为需求信息，

为知识图谱中第

个测试用例，

表示测试用例

在测试用例的属性

上onehot编码为1的数量，

为测试用例的属性所对应的权重。

知识图谱中的测试用例集合表示为

，测试用例的属性为

，属性对应的权重

。将测试用例所有属性进行分词，然后进行onehot编码，则

表示测试用例

在属性

上onehot编码为1的数量，从而可以将相似度计算转化为公式（1）中的相似值。

是需求信息

和测试用例集合中的测试用例

的相似值。

（2）；

其中，

就是测试用例集合

中

的最大值，此时的

就是找到相似度最大的测试用例。

本实施例中通过相似度计算，得到相似度最大的一个测试用例作为候选测试用例。可以理解的，在本发明的其他实施例中还可选择相似度最大的多个（如5个或8个）测试用例作为候选测试用例。

步骤S14，将用户点击的历史测试用例和所述候选测试用例输入至DKN模型中，输出所述候选测试用例的点击概率。

推荐系统已经广泛应用在实际生活中的很多场景，特别是个性化推荐系统已经有越来越多的研究工作和落地实践，但是仍然面临着一些问题，例如数据稀疏、冷启动等问题。推荐系统的目的旨在为用户推荐一个（或一系列）未观测的物品。

本实施例把知识图谱作为辅助信息整合到推荐系统中，这样的做法带来两个方面的优势，其一是能够提高推荐系统的准确性，其二是能够为推荐系统提供可解释性。本实施例基于知识图谱技术的测试用例推荐方法，可以对海量软件测试数据进行处理，基于知识图谱技术推荐测试用例，达到软件测试用例准确、快速推荐的目标。

请参阅图2，为本发明第二实施例中的测试用例推荐方法，包括步骤S21~S26。

步骤S21，对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例。

步骤S22，根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱。

步骤S23，获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例。

步骤S24，获取用户点击的历史测试用例，并基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量。

进一步的，所述基于所述知识图谱通过KCNN模型提取所述历史测试用例和所述候选测试用例的实体特征向量的步骤包括：

知识图谱（KG）是一个有向异构图，图中的节点表示实体（entity），边表示关系（relation），一个KG包含很多对三元组triple（head,relation,tail），其中head和tail是两个实体(entity)，relation就是边。

用户集合U={u1,u2,...}，KG中测试用例集合为V={v1,v2,...}，交互矩阵（隐式反馈）Y矩阵，Y={ y_uv ϵ {0,1} | uϵU, vϵV}。KG包括实体(entity)和关系(relation)，由很多三元组组成，每个测试用例v在KG中可能对应一个或多个实体，测试用例是实体的一个子集。

对候选测试用例做Embedding映射，得到候选测试用例Embedding。在知识图谱中，每个实体都连接着好多其他实体，这些临近实体就是该实体的上下文，将这些上下文中的每个实体的Embedding相加平均，就得到该实体的上下文Embedding。对得到的候选测试用例Embedding和下文Embedding做一个累加，卷积，池化，最后得到sentenceEmbeddings即为该候选测试用例的实体特征向量，这种方法叫KCNN。

用户点击的历史测试用例也可通过该KCNN方法，得到对应的实体特征向量。

“Embedding”，实质是一种映射，从语义空间到向量空间的映射，同时尽可能在向量空间保持原样本在语义空间的关系，如语义接近的两个词汇在向量空间中的位置也比较接近。基于Embedding的方法通常直接使用来自知识图谱的信息来丰富 item 或 user 的表示。TransE方法是比较典型的一类对知识图谱中的实体、关系进行表征的方法，这类方法目的是将实体和关系映射到连续的向量空间中，获得低维稠密表示。

步骤S25，以KCNN模型提取的实体特征向量作为输入，以Attention Net为中间层构建DKN模式。

步骤S26，将KCNN模型提取的实体特征向量输入至所述DKN模式中，输出所述候选测试用例的点击概率。

DKN的网络输入有两个：候选测试用例和用户点击过的历史测试用例。输入数据通过KCNN来提取特征，之上是一个Attention Net层，计算候选测试用例的实体特征向量与历史测试用例的实体特征向量之间的attention权重，在顶层拼接两部分向量之后，用DNN计算用户点击此新闻的概率。

相比于传统用例库，本实施例使用知识图谱可以提高检索性能，并且基于知识图谱技术也提高了软件测试用例的推荐率，能够提升软件测试人员的工作效率，缩短软件测试周期，提高软件测试行业的工作效率。

请参阅图3，为本发明第三实施例中的测试用例推荐装置，包括：

信息提取模块41，用于对软件测试项目的文档数据进行信息提取，以提取各个实体的属性信息，所述软件测试项目中的实体包括测试用例；

图谱构建模块42，用于根据各个实体之间的关联关系，以及各个所述实体的属性信息构建所述软件测试项目的知识图谱；

查找模块43，用于获取测试用例需求信息，根据所述需求信息从所述知识图谱中查找相似度最大的预设数量个测试用例作为候选测试用例；

输出模块44，用于将用户点击的历史测试用例和所述候选测试用例输入至DKN模型中，输出所述候选测试用例的点击概率。

进一步的，上述测试用例推荐装置，还包括：

本发明实施例所提供的测试用例推荐装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

本发明另一方面还提出一种电子设备，请参阅图4，所示为本发明第四实施例当中的电子设备，包括处理器10、存储器20以及存储在存储器上并可在处理器上运行的计算机程序30，所述处理器10执行所述计算机程序30时实现如上述的测试用例推荐方法。

其中，所述电子设备可以为但不限于电脑、手机、服务器等计算机设备。处理器10在一些实施例中可以是一中央处理器（Central Processing Unit, CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据。

其中，存储器20至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的硬盘。存储器20在另一些实施例中也可以是电子设备的外部存储装置，例如电子设备上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）等。进一步地，存储器20还可以既包括电子设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储安装于电子设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

可选地，该电子设备还可以包括用户接口、网络接口、通信总线等，用户接口可以包括显示器（Display）、输入单元比如键盘（Keyboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。网络接口可选的可以包括标准的有线接口、无线接口（如WI-FI接口），通常用于在该装置与其他电子装置之间建立通信连接。通信总线用于实现这些组件之间的连接通信。

需要指出的是，图4示出的结构并不构成对电子设备的限定，在其它实施例当中，该电子设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的测试用例推荐方法。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或装置（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或装置取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或装置而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或装置或结合这些指令执行系统、装置或装置而使用的装置。

计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。