CN114595137B - 一种测试用例获取方法和装置 - Google Patents
一种测试用例获取方法和装置 Download PDFInfo
- Publication number
- CN114595137B CN114595137B CN202011394819.2A CN202011394819A CN114595137B CN 114595137 B CN114595137 B CN 114595137B CN 202011394819 A CN202011394819 A CN 202011394819A CN 114595137 B CN114595137 B CN 114595137B
- Authority
- CN
- China
- Prior art keywords
- test case
- coefficient
- test
- case
- recommendation
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 470
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种测试用例获取方法和装置,应用于通信领域。该方法包括:在用户界面中接收用户输入的文档或关键字;解析文档或关键字中的测试用例需求信息;将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表;根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。该方法能够依据用户需求自动为用户获取测试用例,获取测试用例的方式较为便捷高效。
Description
技术领域
本申请涉及通信领域,尤其涉及一种测试用例获取方法和装置。
背景技术
随着互联网技术的发展,产品的更新迭代不断的加快。产品的需求、开发、测试和发布等各个环节中的响应速度,直接影响发布效率。为了检验产品是否满足规定的需求和/或了解预期结果与实际结果之间的差别,在产品在发布前需要对产品进行测试。为了提高测试效率,减少测试时间可以使用测试用例对产品进行测试。
测试用例是指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的文档。测试用例可以方便测试某个程序路径或核实产品是否满足某个特定需求。目前测试过程中,测试用例的准备通过两种方式来完成。第一种方式是根据需求,在已有测试用例中,人工挑选测试用例。第二种方式是在无法准确挑选被测产品的测试用例情况下,重新编写测试用例。
人工挑选用例的方式,挑选的用例不准确,且效率较低。重新编写用例的方式,会产生大量的工作量,特别是在人员相对紧缺的状态下,无法及时投入测试,无法对被测对象进行有效的测试覆盖。
发明内容
本申请实施例提供一种测试用例获取方法和装置,能够接收用户输入的文档或关键字并解析出测试用例需求,将测试用例需求信息输入预先训练的测试用例推荐模型,并从测试用例库中挑选测试用例。该方法可以缩短挑选用例时间,提高挑选用例效率。
第一方面,本申请实施例提供一种测试用例获取方法,包括:在用户界面中接收用户输入的文档或关键字;解析文档或关键字中的测试用例需求信息;将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表;根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。
可选的,测试用例需求信息包括下述的一种或多种:表示需要变更应用程序功能的信息、表示需要密码规则变更的信息、或修改应用程序中数据的信息。
可选的,将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表,包括:将测试用例需求信息输入预先训练的测试用例推荐模型;利用测试用例推荐模型确定与测试用例需求信息相关的多个第一测试用例;利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表。
可选的,利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,包括:利用测试用例推荐模型,将多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
可选的,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表,包括:利用测试用例推荐模型结合第一需求相关度系数以及第一权重、第一漏洞产生量系数以及第二权重、和第一用例推荐度系数以及第三权重,确定各第一测试用例的第一推荐值;在多个第一测试用例中确定第一推荐值大于第一阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表;其中,第一权重的值大于第二权重的值,第一权重的值大于第三权重的值。
可选的,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表,包括:利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值;其中,多个第一测试用例的第二推荐值中的最大值为最大第二推荐值;将各第一测试用例的第二推荐值与第一值求和,得到第二值;第一值为1与最大第二推荐值的差;在多个第一测试用例中确定第二值大于第二阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表。
可选的,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值,包括:利用测试用例推荐模型分别对各第一测试用例对应的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数求平均,得到各第一测试用例的第二推荐值。
第二方面,本申请实施例提供一种测试用例获取装置,包括:显示单元,用于显示用户界面;通信单元,用于在用户界面中接收用户输入的文档或关键字;处理单元,用于解析文档或关键字中的测试用例需求信息;处理单元,还用于将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表;处理单元,还用于根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。
可选的,处理单元,解析文档或关键字中的测试用例需求信息包括下述的一种或多种:表示需要变更应用程序功能的信息、表示需要密码规则变更的信息、或修改应用程序中数据的信息。
可选的,处理单元,具体用于将测试用例需求信息输入预先训练的测试用例推荐模型;利用测试用例推荐模型确定与测试用例需求信息相关的多个第一测试用例;利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表。
可选的,处理单元,具体用于利用测试用例推荐模型,将多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
可选的,处理单元,具体用于利用测试用例推荐模型结合第一需求相关度系数以及第一权重、第一漏洞产生量系数以及第二权重、和第一用例推荐度系数以及第三权重,确定各第一测试用例的第一推荐值;在多个第一测试用例中确定第一推荐值大于第一阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表;其中,第一权重的值大于第二权重的值,第一权重的值大于第三权重的值。
可选的,处理单元,具体用于利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值;其中,多个第一测试用例的第二推荐值中的最大值为最大第二推荐值;将各第一测试用例的第二推荐值与第一值求和,得到第二值;第一值为1与最大第二推荐值的差;在多个第一测试用例中确定第二值大于第二阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表。
可选的,处理单元,具体用于利用测试用例推荐模型分别对各第一测试用例对应的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数求平均,得到各第一测试用例的第二推荐值。
第三方面,本申请实施例提供一种电子设备,包括:存储器和处理器。
存储器,用于存储程序指令;处理器,用于调用并执行存储器中的程序指令,执行如上任一项所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,当计算机程序被处理器执行时,实现如上任一项所述的方法。
本申请实施例的测试用例获取方法,包括:在用户界面中接收用户输入的文档或关键字;解析文档或关键字中的测试用例需求信息;将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表;根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。该方法中自动解析文档或关键字中的测试用例需求信息和使用测试用例推荐模型挑选测试用例,可以提高挑选用例的效率,缩短挑选用例时间。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种应用场景的示意图;
图2为本申请实施例提供的一种测试用例获取方法流程的示意图;
图3为本申请实施例提供的一种测试用例获取装置的示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请实施例构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
测试用例的获取有两种方式,一般是在已有测试用例中人工挑选符合待测试产品特征的测试用例,或者根据待测试产品特征编写测试用例。人工挑选的方式获取的测试用例可能不准确,效率低下;编写用例的方式工作量大,容易导致线上漏测,无法对待测产品进行有效的测试覆盖。
本申请实施例提供一种测试用例获取方法和装置,包括:在用户界面中接收用户输入的文档或关键字;解析文档或关键字中的测试用例需求信息;将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表;根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。该方法中解析文档或关键字中的测试用例需求信息和测试用例推荐模型,可以提高用例推荐的准确性。测试用例推荐模型,还可以自动对测试用例进行挑选,高效利用已有测试用例并减少人工挑选测试用例遗漏情况的发生。
图1为本申请实施例提供的一种应用场景的示意图。如图1所示,包括:服务器101和终端A1-A4。用户可以通过终端A1-A4中的任一终端连接服务器101,在该任一终端登录用户界面,进而在该界面输入文档或关键字等,终端可以解析输入的文档或关键字中的测试用例需求信息,并将测试用例需求信息输入预先训练的测试用例推荐模型,进行测试用例的推荐,以及从存储测试用例的服务器101中获取目标测试用例,并将推荐列表及相应的测试用例显示在终端的用户界面。
图2为本申请实施例提供的一种测试用例获取方法流程的示意图,如图2所示,本实施例的方法可以包括:
S101、在用户界面中接收用户输入的文档或关键字。
本申请实施例中,S101的可能实现为,在用户界面的编辑框中接收用户输入的文档或关键字。或者,在用户界面中也可以设置接收语音输入的控件,用户可以通过语音输入的控件语音输入文档或关键字。用户输入的文档或关键字包含用户的需求信息。
S102、解析文档或关键字中的测试用例需求信息。
测试用例需求信息是挑选测试用例的依据。测试用例需求信息可以是应用程序中修改的功能、影响测试系统或产品的功能的部分和/或用户高频使用的内容等。
解析文档或关键字的可能实现方式为:读取文档或关键字;识别文档内文字或关键字的语义,例如,对文档中一些词语(例如修改、需要、问题、目的和/或需求等)所在的句子或段落的语义识别;得到测试用例需求信息。对文档和关键字的语义识别可以采用循环神经网络(recurrent neural network,RNN)和/或卷积神经网络(convolutional neuralnetworks,CNN)为代表的神经网络深度算法模型。对文档和关键字的语义识别还可以采用RNN的一些改进算法,例如长短期记忆网络(long short term memory,LSTM)和门控循环单元(gated recurrent unit,GRU)。对文档或关键字的语义识别越精准,得到的测试用例需求信息越准确。
S103、将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,测试用例推荐模型,用于根据各测试用例与测试用例需求信息的需求相关度系数、各测试用例的漏洞产生量系数以及各测试用例的用例推荐度系数,得到一个或多个目标测试用例的列表。
预先训练的测试用例推荐模型可以依据输入的测试用例需求信息,自动推荐测试用例,缩短挑选用例时间,提高效率。
S104、根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。
测试用例的格式有多种,例如:word、excel、数据库等。根据列表获取用例,可以对用例进行二次筛选,也更加有条理,可以减少目标测试用例的遗漏。
采用上述测试用例挑选的方法,可以自动挑选并获取测试用例。该方法可以高效挑选测试用例,减轻人为挑选测试用例的工作量,降低线上漏测,对待测产品进行有效的测试覆盖。
可选的,S103中,将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表,包括:将测试用例需求信息输入预先训练的测试用例推荐模型;利用测试用例推荐模型确定与测试用例需求信息相关的多个第一测试用例;利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表。
用例推荐参数的设置方便明确对测试用例的挑选。需求相关度系数、漏洞产生量系数和用例推荐度系数三个参数是挑选测试用例最常用到的参数,是测试用例挑选的基础。用例推荐参数可以使推荐结果更准确。
可选的,一些实施例中,利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,包括:利用测试用例推荐模型,将多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
各个参数系数分别对测试用例进行重要程度的标示。需求相关度系数值越高,测试用例越容易被推荐。漏洞产生量系数与产生的漏洞数相关。漏洞数越多,漏洞产生量系数值越大,测试用例越容易被推荐。推荐次数越多,用例推荐度系数值越大,测试用例越容易被推荐。这种设置可以使推荐结果更准确。
为了便于理解,下面对测试用例推荐模型中的用例推荐参数进行解释说明。
模型中的用例推荐参数可以设置多个,除了上述提到的需求相关度系数、漏洞产生量系数和用例推荐度系数三个参数,还可以包括:执行次数和/或测试所需时间等用例推荐的相关参数。参数中需求相关度系数默认为最高优先级,其余用例推荐参数的优先顺序可以随意排列。用例推荐参数的设置可以提高挑选用例的准确性。
需求相关度系数(例如:用Rr进行标记)与用户的需求相关。需求相关度系数的设置可以按以下规则:需求中直接涉及修改的模块,需求相关度系数最高,可设置为1。需求中功能所在的模块,需求相关度系数次之,可设置为0.8或其它数值。按照模块的依赖度和/或模块的调用关系依次设置需求相关度系数,例如:0.6、0.4、0.2、0。需求相关度系数从1-0,可依据用户不同需求进行不同设置。
例如,用户需求为某个系统的登录功能中的密码规则变更。需求相关度系数按上述规则可以设置为:密码规则测试用例需求相关度系数为1。登录功能测试用例需求相关度系数为0.8。用户管理、基础数据维护、权限管理、商户管理的测试用例需求相关度系数分别设置为0.6、0.4、0.2和0。
漏洞产生量系数(例如:用Br进行标记):需要与测试用例进行关联,并通过关联用例产生的漏洞数计算。漏洞产生量系数的设置可以按以下规则:漏洞产生量基础数量为1,即未产生任何漏洞的测试用例初始量为1,如产生N个漏洞,即本测试用例的漏洞量为N+1,漏洞产生量系数设置为1-1/(N+1),N为自然数。
用例推荐度系数(例如:用Cr进行标记):与用例的推荐次数相关,可以按以下规则设置:用例推荐度的基础次数为1,即未推荐过的用例初始次数为1,如推荐过M次,本用例推荐的次数为M+1,用例推荐度系数设置为1-1/(M+1),M为自然数。
测试用例推荐模型中,有多种实现方式对测试用例进行挑选。
可选的,S103中,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表,包括:利用测试用例推荐模型结合第一需求相关度系数以及第一权重、第一漏洞产生量系数以及第二权重和第一用例推荐度系数以及第三权重,确定各第一测试用例的第一推荐值;在多个第一测试用例中确定第一推荐值大于第一阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表;其中,第一权重的值大于第二权重的值,第一权重的值大于第三权重的值。
一种实现方式是第一推荐值与第一阈值进行数值大小的比较。当第一推荐值大于第一阈值时,测试用例添加到推荐列表;当第一推荐值小于等于第一阈值时,测试用例不能添加到推荐列表。其中,权重的使用,可以灵活配置推荐参数重要程度,以及对应的第一推荐值计算。参数权重的改变使同一用例对应不同的推荐值,可以使模型适用于用户的多种需求。
下面对本申请实施例中涉及到的词汇进行说明。
权重:指某参数在整体评价中的相对重要程度。权重越高,该参数越重要。模型中,每个参数的权重在0-1之间,以及所有参数的权重之和为1。
第一推荐值(例如:用Vr进行标记):设置为测试用例的各个推荐参数系数与其对应的权重乘积再相加计算出的值。其中参与计算的推荐参数可以灵活配置,可以是1个、2个甚至更多。各个推荐参数的权重可以相同,也可以不同。例如:1/3Rr+1/3Cr+1/3Br、0.8Rr+0.1Cr+0.1Br和0.8Rr+0.2Br等。各测试用例的第一推荐值可以根据用户的需求信息调整各推荐参数的权重,可以提高用例挑选的准确性。
第一阈值:是对测试用例的挑选,阈值可设置为0-1中任一数值,例如0.4、0.5或0.6等。
可选的,S103中,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表,包括:利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值;其中,多个第一测试用例的第二推荐值中的最大值为最大第二推荐值;将各第一测试用例的第二推荐值与第一值求和,得到第二值;第一值为1与最大第二推荐值的差;在多个第一测试用例中确定第二值大于第二阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表。
另一种实现方式是第二值与第二阈值进行数值大小的比较。
第二推荐值的计算方式可以和第一推荐值相同。第二推荐值的设置用于区分模型中两种实现方式。第二值的计算可以避免全部用例的第一推荐值小于第一阈值,而没有测试用例推荐的情况。
可选的,一些实施例中,利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值,包括:利用测试用例推荐模型分别对各第一测试用例对应的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数求平均,得到各第一测试用例的第二推荐值。
第二推荐值还可以通过参数求平均的方式计算。这种计算方式简单明了。
根据本申请实施例的另一个方面,本申请实施例还提供了一种测试用例获取装置,如图3所示,包括:显示单元11、通信单元21和处理单元31。显示单元用于显示用户界面。通信单元,用于在用户界面中接收用户输入的文档或关键字。处理单元,能够解析文档或关键字中的测试用例需求信息、将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表、以及根据一个或多个目标测试用例的列表,从测试用例库中获取一个或多个目标测试用例。
可选的,处理单元,解析文档或关键字中的测试用例需求信息包括下述的一种或多种:表示需要变更应用程序功能的信息、表示需要密码规则变更的信息、或修改应用程序中数据的信息。
可选的,处理单元,具体用于将测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表,包括:将测试用例需求信息输入预先训练的测试用例推荐模型;利用测试用例推荐模型确定与测试用例需求信息相关的多个第一测试用例;利用测试用例推荐模型计算各第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,在多个第一测试用例中确定一个或多个目标测试用例的列表。
可选的,处理单元,具体用于利用测试用例推荐模型,将多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
可选的,处理单元,具体用于利用测试用例推荐模型结合第一需求相关度系数以及第一权重、第一漏洞产生量系数以及第二权重、和第一用例推荐度系数以及第三权重,确定各第一测试用例的第一推荐值;在多个第一测试用例中确定第一推荐值大于第一阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表;其中,第一权重的值大于第二权重的值,第一权重的值大于第三权重的值。
可选的,处理单元,具体用于利用测试用例推荐模型结合第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,确定各第一测试用例的第二推荐值;其中,多个第一测试用例的第二推荐值中的最大值为最大第二推荐值;将各第一测试用例的第二推荐值与第一值求和,得到第二值;第一值为1与最大第二推荐值的差;在多个第一测试用例中确定第二值大于第二阈值的一个或多个目标测试用例,以及得到一个或多个目标测试用例的列表。
可选的,处理单元,具体用于利用测试用例推荐模型分别对各第一测试用例对应的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数求平均,得到各第一测试用例的第二推荐值。
本实施例的一种测试用例获取装置,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
根据本申请实施例的另一个方面,本申请实施例还提供了一种移动终端,移动终端包括:如上任一实施例所述的装置。
根据本申请实施例的另一个方面,本申请实施例还提供了一种电子设备,包括:存储器,处理器。存储器用于存储处理器可执行指令的存储器;其中,当执行存储器中的指令时,处理器被配置为实现如上任一实施例所述的方法。
根据本申请实施例的另一个方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上任一实施例所述的方法。
读者应理解,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、结构或者特点包含于本申请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必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的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,本申请的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
还应理解,在本申请各实施例中,上述各过程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,而不应对本申请实施例的实施过程构成任何限定。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种测试用例获取方法,其特征在于,包括:
在用户界面中接收用户输入的文档或关键字;
解析所述文档或关键字中的测试用例需求信息;
将所述测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,所述测试用例推荐模型,用于根据各测试用例与所述测试用例需求信息的需求相关度系数、所述各测试用例的漏洞产生量系数以及所述各测试用例的用例推荐度系数,得到所述一个或多个目标测试用例的列表;
根据所述一个或多个目标测试用例的列表,从测试用例库中获取所述一个或多个目标测试用例;
所述将所述测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表,包括:
将所述测试用例需求信息输入预先训练的测试用例推荐模型;
利用所述测试用例推荐模型确定与所述测试用例需求信息相关的多个第一测试用例;
利用所述测试用例推荐模型计算各所述第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;
利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,在所述多个第一测试用例中确定一个或多个目标测试用例的列表;
所述利用所述测试用例推荐模型计算各所述第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数,包括:
利用所述测试用例推荐模型,将所述多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,
未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,
所述测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,所述测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
2.根据权利要求1所述的方法,其特征在于,所述测试用例需求信息包括下述的一种或多种:表示需要变更应用程序功能的信息、表示需要密码规则变更的信息、或修改应用程序中数据的信息。
3.根据权利要求1所述的方法,其特征在于,所述利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,在所述多个第一测试用例中确定一个或多个目标测试用例的列表,包括:
利用所述测试用例推荐模型结合所述第一需求相关度系数以及第一权重、所述第一漏洞产生量系数以及第二权重、和所述第一用例推荐度系数以及第三权重,确定各所述第一测试用例的第一推荐值;
在所述多个第一测试用例中确定第一推荐值大于第一阈值的一个或多个目标测试用例,以及得到所述一个或多个目标测试用例的列表;
其中,所述第一权重的值大于所述第二权重的值,所述第一权重的值大于所述第三权重的值。
4.根据权利要求1所述的方法,其特征在于,所述利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,在所述多个第一测试用例中确定一个或多个目标测试用例的列表,包括:
利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,确定各所述第一测试用例的第二推荐值;其中,所述多个第一测试用例的第二推荐值中的最大值为最大第二推荐值;
将各所述第一测试用例的第二推荐值与第一值求和,得到第二值;所述第一值为1与所述最大第二推荐值的差;
在所述多个第一测试用例中确定所述第二值大于第二阈值的一个或多个目标测试用例,以及得到所述一个或多个目标测试用例的列表。
5.根据权利要求4所述的方法,其特征在于,所述利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,确定各所述第一测试用例的第二推荐值,包括:
利用所述测试用例推荐模型分别对各所述第一测试用例对应的所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数求平均,得到各所述第一测试用例的第二推荐值。
6.一种测试用例获取装置,其特征在于,包括:
显示单元,用于显示用户界面;
通信单元,用于在所述用户界面中接收用户输入的文档或关键字;
处理单元,用于解析所述文档或关键字中的测试用例需求信息;
所述处理单元,还用于将所述测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表;其中,所述测试用例推荐模型,用于根据各测试用例与所述测试用例需求信息的需求相关度系数、所述各测试用例的漏洞产生量系数以及所述各测试用例的用例推荐度系数,得到所述一个或多个目标测试用例的列表;
所述处理单元,还用于根据所述一个或多个目标测试用例的列表,从测试用例库中获取所述一个或多个目标测试用例;
所述处理单元,具体用于将所述测试用例需求信息输入预先训练的测试用例推荐模型,得到一个或多个目标测试用例的列表,包括:将所述测试用例需求信息输入预先训练的测试用例推荐模型;利用所述测试用例推荐模型确定与所述测试用例需求信息相关的多个第一测试用例;利用所述测试用例推荐模型计算各所述第一测试用例的第一需求相关度系数、第一漏洞产生量系数以及第一用例推荐度系数;利用所述测试用例推荐模型结合所述第一需求相关度系数、所述第一漏洞产生量系数以及所述第一用例推荐度系数,在所述多个第一测试用例中确定一个或多个目标测试用例的列表;
所述处理单元,具体用于利用所述测试用例推荐模型,将所述多个第一测试用例中:与密码规则变更需求直接相关的第一测试用例的第一需求相关度系数设置为1,与用户管理需求相关的第一测试用例的第一需求相关度系数设置为0.8,与基础数据维护需求相关的第一测试用例的第一需求相关度系数设置为0.4,与权限管理需求相关的第一测试用例的第一需求相关度系数设置为0.2;以及,未产生任何漏洞的第一测试用例的第一漏洞产生量系数设置为1,产生N个漏洞的第一测试用例的第一漏洞产生量系数设置为1-1/(N+1),N为自然数;以及,所述测试用例推荐模型未推荐过的第一测试用例的第一用例推荐度系数设置为1,所述测试用例推荐模型推荐过M次的第一测试用例的第一用例推荐度系数设置为1-1/(M+1),M为自然数。
7.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行所述存储器中的程序指令,执行如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述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,实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011394819.2A CN114595137B (zh) | 2020-12-03 | 2020-12-03 | 一种测试用例获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011394819.2A CN114595137B (zh) | 2020-12-03 | 2020-12-03 | 一种测试用例获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114595137A CN114595137A (zh) | 2022-06-07 |
CN114595137B true CN114595137B (zh) | 2024-05-10 |
Family
ID=81803034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011394819.2A Active CN114595137B (zh) | 2020-12-03 | 2020-12-03 | 一种测试用例获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595137B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107515826A (zh) * | 2017-08-28 | 2017-12-26 | 广州阿里巴巴文学信息技术有限公司 | 测试用例精准推荐方法、装置、系统、设备及存储介质 |
CN108536595A (zh) * | 2018-04-09 | 2018-09-14 | 平安普惠企业管理有限公司 | 测试用例智能化匹配方法、装置、计算机设备及存储介质 |
CN109344048A (zh) * | 2018-08-17 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 一种测试方法、存储介质和服务器 |
CN109800169A (zh) * | 2019-01-24 | 2019-05-24 | 拉扎斯网络科技(上海)有限公司 | 测试用例的获取方法、装置、可读存储介质和电子设备 |
CN110515843A (zh) * | 2019-08-13 | 2019-11-29 | 成都飞机工业(集团)有限责任公司 | 基于缺陷集合与倒排索引的测试用例优先排序方法 |
CN111427772A (zh) * | 2020-03-05 | 2020-07-17 | 广东睿江云计算股份有限公司 | 一种多维度的测试用例优先级排序方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018150507A1 (ja) * | 2017-02-16 | 2018-08-23 | 三菱電機株式会社 | テストケース選択装置およびテストケース選択プログラム |
US10365994B2 (en) * | 2017-04-24 | 2019-07-30 | Facebook, Inc. | Dynamic scheduling of test cases |
-
2020
- 2020-12-03 CN CN202011394819.2A patent/CN114595137B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107515826A (zh) * | 2017-08-28 | 2017-12-26 | 广州阿里巴巴文学信息技术有限公司 | 测试用例精准推荐方法、装置、系统、设备及存储介质 |
CN108536595A (zh) * | 2018-04-09 | 2018-09-14 | 平安普惠企业管理有限公司 | 测试用例智能化匹配方法、装置、计算机设备及存储介质 |
CN109344048A (zh) * | 2018-08-17 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 一种测试方法、存储介质和服务器 |
CN109800169A (zh) * | 2019-01-24 | 2019-05-24 | 拉扎斯网络科技(上海)有限公司 | 测试用例的获取方法、装置、可读存储介质和电子设备 |
CN110515843A (zh) * | 2019-08-13 | 2019-11-29 | 成都飞机工业(集团)有限责任公司 | 基于缺陷集合与倒排索引的测试用例优先排序方法 |
CN111427772A (zh) * | 2020-03-05 | 2020-07-17 | 广东睿江云计算股份有限公司 | 一种多维度的测试用例优先级排序方法 |
Non-Patent Citations (3)
Title |
---|
Object Oriented Coupling based Test Case Prioritization;Ajmer Singh等;《International Journal of Computer Sciences and Engineering 》;20180930;747-754 * |
基于代码版本控制的软件跟踪方法研究;沈力;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190715(第07期);I138-373 * |
基于需求特征的软件测试用例设计模型研究;李文武等;《高技术通讯》;20130815;第23卷(第08期);797-803 * |
Also Published As
Publication number | Publication date |
---|---|
CN114595137A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3955204A1 (en) | Data processing method and apparatus, electronic device and storage medium | |
AU2019210306A1 (en) | Systems and methods for preparing data for use by machine learning algorithms | |
US10721266B1 (en) | Automated security incident remediation recommender | |
CN111371776A (zh) | Http请求数据的异常检测方法、装置、服务器及存储介质 | |
Saleem et al. | Personalized decision-strategy based web service selection using a learning-to-rank algorithm | |
CN114679341B (zh) | 结合erp系统的网络入侵攻击分析方法、设备及介质 | |
CN111178537A (zh) | 一种特征提取模型训练方法及设备 | |
CN113360300B (zh) | 接口调用链路生成方法、装置、设备及可读存储介质 | |
CN110858368A (zh) | 一种数据评估服务价值确定系统和方法 | |
CN114595137B (zh) | 一种测试用例获取方法和装置 | |
Li et al. | Dynamic gas estimation of loops using machine learning | |
CN114860617B (zh) | 一种智能压力测试方法及系统 | |
US20220091818A1 (en) | Data feature processing method and data feature processing apparatus | |
CN115168509A (zh) | 风控数据的处理方法及装置、存储介质、计算机设备 | |
CN115203556A (zh) | 一种评分预测模型训练方法、装置、电子设备及存储介质 | |
CN115422000A (zh) | 异常日志处理方法及装置 | |
CN114896955A (zh) | 数据报表加工方法、装置、计算机设备及存储介质 | |
CN113918435A (zh) | 一种应用程序风险等级的确定方法、装置以及存储介质 | |
CN110083517B (zh) | 一种用户画像置信度的优化方法及装置 | |
CN113342647A (zh) | 一种测试数据的生成方法及装置 | |
CN111125685A (zh) | 一种网络安全态势的预测方法及装置 | |
CN110008098A (zh) | 评估业务流程中的节点的运行状况的方法和装置 | |
CN115935359B (zh) | 一种文件处理方法、装置、计算机设备及存储介质 | |
CN116431474B (zh) | 一种基于静态分析的程序源码的安全配置项约束提取方法 | |
CN117742626B (zh) | 一种多因素认证的云打印机访问控制方法以及相关装置 |
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 | ||
GR01 | Patent grant |