CN116049508A - 测试要素信息生成方法、装置、设备及存储介质 - Google Patents
测试要素信息生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116049508A CN116049508A CN202211154554.8A CN202211154554A CN116049508A CN 116049508 A CN116049508 A CN 116049508A CN 202211154554 A CN202211154554 A CN 202211154554A CN 116049508 A CN116049508 A CN 116049508A
- Authority
- CN
- China
- Prior art keywords
- information
- database
- transaction
- parameters
- parameter
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90348—Query processing by searching ordered data, e.g. alpha-numerically ordered data
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开提供了一种测试要素信息生成方法、装置、设备及存储介质,可以应用于大数据领域。该方法包括:从网关通讯区获取在目标交易时段内的报文信息;针对第i个交易场景信息,根据所述交易字段名称信息,从数据库中查询得到与所述交易字段名称信息对应的n个数据库参数的信息;根据数据库参数的频数信息,从所述n个数据库参数中确定第一特征参数的信息;将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息;针对第j个所述第二特征参数的信息,根据所述第二特征参数的信息,通过从所述数据库中查询得到与所述第二特征参数的信息对应的交易字段信息,生成所述测试要素信息。
Description
技术领域
本公开涉及大数据领域,尤其涉及一种测试要素信息生成方法、装置、设备、介质和程序产品。
背景技术
目前业务的测试工作主要是根据测试人员的经验,对交易需要输入的如账号、卡种、产品种类等测试数据进行梳理和准备,然后通过人工或自动的方式模拟业务场景,来发掘软件系统缺陷。
在实现本公开的发明构思的过程中,发明人发现,相关技术中存在测试数据覆盖不全面,进而会导致测试结果不准确的问题,以及由于存在对类似的业务场景重复准备测试数据的情况,进而会导致测试效率的降低。
发明内容
鉴于上述问题,本公开提供了一种测试要素信息生成方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种测试要素信息生成方法,包括:从网关通讯区获取在目标交易时段内的报文信息,其中,上述报文信息中包括m个交易场景信息和与上述交易场景信息对应的交易字段名称信息,m为大于2的正整数;针对第i个交易场景信息,根据上述交易字段名称信息,从数据库中查询得到与上述交易字段名称信息对应的n个数据库参数的信息,上述数据库参数的信息包括每一个上述数据库参数在上述报文信息中出现的频数信息;n为正整数;根据上述数据库参数的频数信息,从上述n个数据库参数中确定第一特征参数的信息,其中,上述第一特征参数的信息表征与上述第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n;将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m;针对第j个上述第二特征参数的信息,根据上述第二特征参数的信息,通过从上述数据库中查询得到与上述第二特征参数的信息对应的交易字段信息,生成上述测试要素信息,1≤j≤k,其中,i、j、k均为正整数。
根据本公开的实施例,上述根据上述数据库参数的频数信息,从上述n个数据库参数中确定第一特征参数的信息,包括:针对每一个上述数据库参数,根据上述数据库参数的频数信息,利用卡方检验法,计算上述每一个数据库参数与上述第i个交易场景信息的相关度;根据n个数据库参数的相关度,对上述n个数据库参数进行排序,得到排序结果信息;根据上述排序结果信息,从上述n个数据库参数中确定第一特征参数的信息。
根据本公开的实施例,上述根据上述排序结果信息,从上述n个数据库参数中确定第一特征参数的信息,包括:根据上述排序结果信息,确定每一个数据库参数的排序位置信息;在上述排序位置信息满足上述预设条件的情况下,将上述数据库参数确定为上述第一特征参数。
根据本公开的实施例,将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,包括:针对上述第一特征参数的信息,根据第一特征参数与上述第i个交易场景信息的相关度,构建第i个相关度矩阵;将上述m个相关度矩阵进行聚类分析,得到k个交易场景的类,其中,上述每一个交易场景的类中包括多个上述第一特征参数的信息;根据上述多个上述第一特征参数的信息,生成上述第二特征参数的信息。
根据本公开的实施例,上述将上述m个相关度矩阵进行聚类分析,得到k个交易场景的类,包括:将上述m个相关度矩阵,以与上述相关度矩阵对应的交易场景信息作为标签,输入聚类算法模型,输出聚类结果;根据上述聚类结果,确定上述k个交易场景的类。
根据本公开的实施例,针对第i个交易场景信息,根据上述交易字段名称信息,从数据库中查询得到与上述交易字段名称信息对应的n个数据库参数的信息,包括:针对上述第i个交易场景信息,根据上述交易字段名称信息,从数据库中查询得到与上述交易字段名称信息对应的全部数据库参数的信息;根据上述数据库参数的类型信息,将上述全部数据库参数进行分类,得到分类结果;根据上述分类结果,生成上述每一个上述数据库参数在上述报文信息中出现的频数信息。
根据本公开的实施例,上述针对第j个上述第二特征参数的信息,根据上述第二特征参数的信息,通过从上述数据库中查询得到与上述第二特征参数的信息对应的交易字段信息,生成上述测试要素信息,包括:针对第j个上述第二特征参数的信息,根据上述第二特征参数的信息,通过从上述数据库中查询得到与上述第二特征参数的信息对应的交易字段信息,得到目标交易字段信息;根据上述目标交易字段信息,按照预设规则,生成上述测试要素信息。
本公开的第二方面提供了一种测试要素生成装置,包括:获取模块,用于获取网关通讯区在目标交易时段内的报文信息,其中,上述报文信息中包括m个交易场景信息和与上述交易场景信息对应的交易字段名称信息,m为大于2的正整数;查询模块,用于针对第i个交易场景信息,根据上述交易字段名称信息,从数据库中查询得到与上述交易字段名称信息对应的n个数据库参数的信息,上述数据库参数的信息包括每一个上述数据库参数在上述报文信息中出现的频数信息;n为正整数;确定模块,用于根据数据库参数的频数信息,从上述n个数据库参数中确定第一特征参数的信息,其中,上述第一特征参数的信息表征与上述第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n;第一生成模块,用于将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m;第二生成模块,用于针对第j个上述第二特征参数的信息,根据上述第二特征参数的信息,通过从上述数据库中查询得到与上述第二特征参数的信息对应的交易字段信息,生成上述测试要素信息,1≤j≤k。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
根据本公开提供的一种测试要素生成方法、装置、设备、介质和程序产品,通过从网关通讯区获取在目标交易时段内的报文信息,进而根据报文信息中与交易场景信息对应的交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的数据库参数的信息,以实现交易字段名称信息与数据库参数的对应,再根据数据库参数的频数信息,从数据库参数中确定与交易场景信息的相关度满足预设条件的第一特征参数的信息,进而将第一特征参数的信息进行聚类分析,生成与交易场景信息进一步对应的第二特征参数的信息,再根据第二特征参数的信息,从数据库中查询得到与第二特征参数的信息对应的交易字段信息,实现了交易字段信息、交易字段名称信息、交易场景信息以及数据库参数的对应,再根据查询得到的交易字段信息可以生成所需的测试要素信息,进而实现了对测试数据的梳理和准备。由于将交易字段信息、交易字段名称信息以及数据库参数进行对应,进而根据查询得到的交易字段信息生成测试要素信息,进而可以通过梳理的测试要素信息对业务场景进行全面覆盖,因此,至少部分的解决了测试数据覆盖不全面以及测试效率降低的问题,实现了使测试数据全面覆盖,提高测试结果的准确性以及测试效率的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的测试要素生成方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的测试要素生成方法的流程图;
图3a示意性示出了根据本公开实施例的测试要素生成方法的报文信息示意图;
图3b示意性示出了根据本公开实施例的测试要素生成方法的解析后的报文信息示意图;
图4示意性示出了根据本公开实施例的测试要素生成方法的数据库参数的示意图;
图5示意性示出了根据本公开实施例的测试要素生成方法的第二特征参数的信息的示意图;
图6示意性示出了根据本公开实施例的测试要素生成方法的按评分的排序位置信息的示意图;
图7示意性示出了根据本公开实施例的测试要素生成方法的与类对应的相关度矩阵的示意图;
图8示意性示出了根据本公开实施例的测试要素生成方法的类的示意图;
图9示意性示出了根据本公开实施例的测试要素生成方法的测试要素信息示意图;
图10示意性示出了根据本公开实施例的测试要素生成装置的结构框图;以及
图11示意性示出了根据本公开实施例的适于实现测试要素生成方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在业务中,由于交易种类繁多,且每一种交易的通讯区字段数量也很多,因此交易录放的数据量较大,并且不是每一个通讯区字段都会对影响交易测试,因此,在现有技术中,通过测试人员根据经验对测试数据进行梳理和准备,会存在测试数据覆盖不全面,进而会导致测试结果不准确的问题,以及由于存在对类似的交易场景重复准备测试数据的情况,进而会导致测试效率的降低。
有鉴于此,本公开的实施例提供了一种测试要素生成方法,包括:从网关通讯区获取在目标交易时段内的报文信息,其中,报文信息中包括m个交易场景信息和与交易场景信息对应的交易字段名称信息,m为大于2的正整数;
针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的n个数据库参数的信息,数据库参数的信息包括每一个数据库参数在报文信息中出现的频数信息;n为正整数;
根据数据库参数的频数信息,从n个数据库参数中确定第一特征参数的信息,其中,第一特征参数的信息表征与第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n;
将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m;
针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,生成测试要素信息,1≤j≤k。
图1示意性示出了根据本公开实施例的测试要素信息生成方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用第一终端设备101、第二终端设备102和第三终端设备103通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102和第三终端设备103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)。
第一终端设备101、第二终端设备102和第三终端设备103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105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102和第三终端设备103所浏览的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用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的测试要素信息生成方法一般可以由服务器105执行。相应地,本公开实施例所提供的测试要素信息生成装置一般可以设置于服务器105中。本公开实施例所提供的测试要素信息生成方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的测试要素信息生成装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1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。
以下将基于图1描述的场景,通过图2~图6对公开实施例的测试要素信息生成方法进行详细描述。
图2示意性示出了根据本公开实施例的测试要素信息生成方法的流程图。
如图2所示,该实施例200的测试要素信息生成方法包括操作S210~操作S250。
在操作S210,从网关通讯区获取在目标交易时段内的报文信息,其中,报文信息中包括m个交易场景信息和与交易场景信息对应的交易字段名称信息,m为大于2的正整数。
根据本公开的实施例,例如,获取的报文信息可以是利用交易录放工具采集的生产交易数据。目标交易时段可以是交易高频时段。交易字段名称信息可以包括地区号信息、网点号信息、柜员号信息以及交易代码信息等名称信息。交易场景信息与交易字段名称信息相对应。交易场景信息可以包括交易代码等信息。
根据本公开的实施例,例如,在获取报文信息之后,可以对报文信息进行解析,进而可以获取报文信息中的交易字段名称信息以及交易字段名称信息对应的数值信息。
图3a示意性示出了根据本公开实施例的测试要素生成方法的报文信息示意图。
如图3a所示,报文信息可以包括交易字段名称信息以及交易字段名称信息对应的数值信息。
图3b示意性示出了根据本公开实施例的测试要素生成方法的解析后的报文信息示意图。
如图3b所示,解析后的报文信息中,交易字段名称信息可以包括地区号信息、网点号信息、柜员号信息以及交易代码信息等名称信息。数值信息可以包括与交易字段名称信息对应的数值信息。
根据本公开的实施例,例如,对于报文信息中包括的敏感信息,可以采用屏蔽的方式进行脱敏。其中,敏感信息可以包括名称信息、密码信息以及邮件地址等信息。
根据本公开的实施例,例如,交易字段中的卡类型字段对应的不同数值信息可以代表不同类型的卡,不同类型的卡可以包括:国内卡、海外卡、银联卡、外卡等。因此,根据数值信息,可以快速获取所需准备的卡的类型。
在操作S220,针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的n个数据库参数的信息,数据库参数的信息包括每一个数据库参数在报文信息中出现的频数信息;n为正整数。
根据本公开的实施例,例如,数据库参数可以包括表名和字段名,因此数据库参数的信息可以包括表名信息和字段名信息,数据库参数可以是T1_C1,T1可以是表名,C1可以是字段名。
根据本公开的实施例,例如,由于录取的是高频时段交易,数据量较大。因此,报文信息的处理和按照交易场景信息从数据库中获取数据库参数的过程耗时较久。因此,可以采用Python多线程编程,将这一过程分为256个线程并行处理,进而可以将该过程消耗的时间进行压缩,以节省时间。
在操作S230,根据数据库参数的频数信息,从n个数据库参数中确定第一特征参数的信息,其中,第一特征参数的信息表征与第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n。
根据本公开的实施例,例如,频数信息可以是数据库参数在交易代码包含的交易中出现的频数。在频数满足预设条件的情况下,可以认为该交易代码与该数据库参数足够相关,进而可以将该数据库参数作为该交易代码的第一特征参数。
根据本公开的实施例,例如,数据库参数可以是T1_C1、T2_C2以及T3_C3,交易代码可以是M0001,进而在M0001对应的交易中,T1_C1的频数信息可以是5,T2_C2的频数信息可以是8,T3_C3的频数信息可以是1。在频数信息的预设条件为5的情况下,则可以将T1_C1和T2_C2作为第一特征参数。
图4示意性示出了根据本公开实施例的测试要素生成方法的数据库参数的示意图。
如图4所示,数据库参数可以包括表名信息和字段名信息,图4中的数值信息可以是数据库参数对应的数值信息。
根据本公开的实施例,例如,第一特征参数的信息可以包括交易代码、与交易代码相关度满足预设条件的数据库参数以及该数据库参数对应的频数信息。
在操作S240,将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m。
根据本公开的实施例,例如,可以是通过对第一特征参数的信息包含的交易代码进行聚类分析,进而可以生成包含交易代码的第二特征参数的信息。
根据本公开的实施例,例如,可以采用Affinity Propagation近邻传播算法进行聚类分析,该算法是机器学习理论中一种基于图论的聚类算法。
根据本公开的实施例,例如,第二特征参数的信息可以包括数据库参数、交易代码以及数值信息。该数值信息可以是交易代码与第一特征参数对应的数值信息。
根据本公开的实施例,例如,聚类分析后的交易代码可以包括M0001以及M0002,第一特征参数可以包括T1_C1以及T2_C2,进而M0001与T1_C1对应的数值信息可以是10,与T2_C2对应的数值信息可以是5。M0002与T1_C1对应的数值信息可以是5,与T2_C2对应的数值信息可以是15。
图5示意性示出了根据本公开实施例的测试要素生成方法的第二特征参数的信息的示意图。
如图5所示,交易代码可以包括M0001、M0002、M0003以及M0004,数据库参数可以包括T1_C1、T2_C2以及T3_C3。M0001与T1_C1对应的数值信息可以是10,与T2_C2对应的数值信息可以是5,与T3_C3对应的数值信息可以是2;M0002与T1_C1对应的数值信息可以是5,与T2_C2对应的数值信息可以是15,与T3_C3对应的数值信息可以是1;M0003与T1_C1对应的数值信息可以是3,与T2_C2对应的数值信息可以是1,与T3_C3对应的数值信息可以是13;M0004与T1_C1对应的数值信息可以是1,与T2_C2对应的数值信息可以是6,与T3_C3对应的数值信息可以是2。
在操作S250,针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,生成测试要素信息,1≤j≤k。
根据本公开的实施例,例如,测试要素信息可以包括卡种、账户类型等信息。
根据本公开的实施例,通过从网关通讯区获取在目标交易时段内的报文信息,进而根据报文信息中与交易场景信息对应的交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的数据库参数的信息,以实现交易字段名称信息与数据库参数的对应,再根据数据库参数的频数信息,从数据库参数中确定与交易场景信息的相关度满足预设条件的第一特征参数的信息,进而将第一特征参数的信息进行聚类分析,生成与交易场景信息进一步对应的第二特征参数的信息,再根据第二特征参数的信息,从数据库中查询得到与第二特征参数的信息对应的交易字段信息,实现了交易字段信息、交易字段名称信息、交易场景信息以及数据库参数的对应,再根据查询得到的交易字段信息可以生成所需的测试要素信息,进而实现了对测试数据的梳理和准备。由于将交易字段信息、交易字段名称信息以及数据库参数进行对应,进而根据查询得到的交易字段信息生成测试要素信息,进而可以通过梳理的测试要素信息对业务场景进行全面覆盖,因此,至少部分的解决了测试数据覆盖不全面以及测试效率降低的问题,实现了使测试数据全面覆盖,提高测试结果的准确性以及测试效率的技术效果。
根据本公开的实施例,根据数据库参数的频数信息,从n个数据库参数中确定第一特征参数的信息,包括:
针对每一个数据库参数,根据数据库参数的频数信息,利用卡方检验法,计算每一个数据库参数与第i个交易场景信息的相关度;
根据n个数据库参数的相关度,对n个数据库参数进行排序,得到排序结果信息;
根据排序结果信息,从n个数据库参数中确定第一特征参数的信息。
根据本公开的实施例,例如,同一交易场景可以对应不同的数据库参数,进而在确定数据库参数和交易场景信息的相关度之后,可以将该数据库参数按照相关度的高低进行排序,以得到排序结果信息。
根据本公开的实施例,例如,可以根据频数信息,利用卡方检验法对相关度进行评分,在M1233对应的交易中,T3_C1的分数可以是152.757759,T2_C5的分数可以是19.393861,T2_C8的分数可以是17.240424,T1_C1的分数可以是3.121773,进而可以根据分数将数据库参数从高到低进行排序,T3_C1可以排第1位,T2_C5可以排第2位,T2_C8可以排第3位,T1_C1可以排第4位。
图6示意性示出了根据本公开实施例的测试要素生成方法的按评分的排序位置信息的示意图。
如图6所示,该排序位置信息可以是在M1233对应的交易中数据库参数的排序位置信息,T3_C1的分数可以是152.757759,T2_C5的分数可以是19.393861,T2_C8的分数可以是17.240424,T1_C1的分数可以是3.121773,进而可以根据分数将数据库参数从高到低进行排序,T3_C1可以排第1位,T2_C5可以排第2位,T2_C8可以排第3位,T1_C1可以排第4位。
根据本公开的实施例,通过针对每一个数据库参数,根据数据库参数的频数信息,利用卡方检验法,计算每一个数据库参数与第i个交易场景信息的相关度,再根据n个数据库参数的与第i个交易场景信息的相关度,可以将该交易场景信息对应的n个数据库参数进行排序,进而可以得到排序结果信息,根据排序结果信息,从n个数据库参数中确定第一特征参数的信息,由于通过将数据库参数按照与交易场景信息的相关度进行排序,进而可以确定与第i个交易场景信息的相关度满足需求的数据库参数,进而可以将相关度满足预设条件的数据库参数作为第一特征参数,确定了交易场景信息与数据库参数的相关度,可以确定与交易场景信息相关度满足预设条件的特征参数,可以提高测试数据的覆盖性、测试结果的准确性以及测试效率。
根据本公开的实施例,根据排序结果信息,从n个数据库参数中确定第一特征参数的信息,包括:
根据排序结果信息,确定每一个数据库参数的排序位置信息;
在排序位置信息满足预设条件的情况下,将数据库参数确定为第一特征参数。
根据本公开的实施例,例如,n可以为2,进而在同一交易场景,可以按照相关度由高到低的顺序选取与该交易场景对应的2个数据库参数,进而可以将选出的2个数据库参数作为第一特征参数。
根据本公开的实施例,例如,T2_C2可以排第1位,T1_C1可以排第2位,T3_C3可以排第3位,在将排序位置信息的预设条件设置为前两位的情况下,将T2_C2以及T1_C1确定为第一特征参数。
根据本公开的实施例,通过根据排序结果信息,确定每一个数据库参数的排序位置信息,进而可以确定数据库参数与交易场景信息的相关度的大小顺序以及数据库参数在排序中的位置,在排序位置信息满足预设条件的情况下,可以将与交易场景信息的相关度满足预设条件的数据库参数确定为第一特征参数,实现了将交易场景信息与特征参数进行对应,可以提高测试数据的覆盖性、测试结果的准确性以及测试效率。
根据本公开的实施例,将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,包括:
针对第一特征参数的信息,根据第一特征参数与第i个交易场景信息的相关度,构建第i个相关度矩阵;
将m个相关度矩阵进行聚类分析,得到k个交易场景的类,其中,每一个交易场景的类中包括多个第一特征参数的信息;
根据多个第一特征参数的信息,生成第二特征参数的信息。
根据本公开的实施例,例如,可以将与第i个交易场景相对应的第一特征参数的卡方检验的分数,作为矩阵元素,构建第i个相关度矩阵,然后代入到Affinity-Propagation聚类算法中进行聚类计算。由于第一特征参数可以代表第i个交易场景,因此,聚类的结果可以为k个交易场景的类。
图7示意性示出了根据本公开实施例的测试要素生成方法的与类对应的相关度矩阵的示意图。
如图7所示,相关度矩阵可以包括交易代码、数据库参数以及数值信息。其中,与第1类对应的交易代码可以包括M1101、M1222以及M0031,数据库参数可以包括T1_C1、T2_C3以及T3_C2。M1101与T1_C1对应的数值信息可以为1,与T2_C3对应的数值信息可以为1,与T3_C2对应的数值信息可以为20;M1222与T1_C1对应的数值信息可以为1,与T2_C3对应的数值信息可以为1,与T3_C2对应的数值信息可以为1;M0031与T1_C1对应的数值信息可以为100,与T2_C3对应的数值信息可以为1,与T3_C2对应的数值信息可以为1。
根据本公开的实施例,例如,在确定与类对应的相关度矩阵之后,可以将与该类中的第一特征参数作为第二特征参数。
根据本公开的实施例,针对第一特征参数的信息,根据第一特征参数与第i个交易场景信息的相关度,构建第i个相关度矩阵,将m个相关度矩阵进行聚类分析,得到与交易场景信息相关的k个交易场景的类,进而可以通过交易场景信息对与交易场景信息对应的第一特征参数所属的类进行确定,进而可以根据多个第一特征参数的信息,生成归入到交易场景的类的第二特征参数的信息,实现了交易场景的类与第二特征参数的对应,进而实现了交易场景信息与特征参数的进一步对应,可以提高测试数据的覆盖性、测试结果的准确性以及测试效率。
根据本公开的实施例,将m个相关度矩阵进行聚类分析,得到k个交易场景的类,包括:
将m个相关度矩阵,以与相关度矩阵对应的交易场景信息作为标签,输入聚类算法模型,输出聚类结果;
根据聚类结果,确定k个交易场景的类。
根据本公开的实施例,例如,可以是将作为标签的交易代码输入聚类算法模型,进而根据通过聚类算法模型得到的聚类结果确定交易代码所属的类。
图8示意性示出了根据本公开实施例的测试要素生成方法的类的示意图。
如图8所示,在聚类分析之后,M0001、M0005以及M0006可以属于类1,M0002以及M0004可以属于类2,M0003以及M0007可以属于类3。
根据本公开的实施例,通过将m个相关度矩阵,以与相关度矩阵对应的交易场景信息作为标签,输入聚类算法模型,进而可以输出该相关度矩阵的聚类结果,再根据聚类结果,确定k个交易场景的类,进而可以通过交易场景的类确定第二特征参数,实现了交易场景的类与第二特征参数的对应,进而实现了交易场景信息与特征参数的进一步对应,可以提高测试数据的覆盖性、测试结果的准确性以及测试效率。
根据本公开的实施例,针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的n个数据库参数的信息,包括:
针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的全部数据库参数的信息;
根据数据库参数的类型信息,将全部数据库参数进行分类,得到分类结果;
根据分类结果,生成每一个数据库参数在报文信息中出现的频数信息。
根据本公开的实施例,例如,可以根据交易代码从数据库中查询得到与交易代码对应的全部数据库参数的信息。
根据本公开的实施例,例如,可以将数据库参数按照对应的交易代码进行分类,如交易代码为M0001,则与M0001对应的数据库参数为T1_C1和T2_C2,进而T1_C1和T2_C2对应的数值信息也与M0001对应。
根据本公开的实施例,例如,在确定分类结果之后,可以根据该分类结果确定数据库参数在对应交易代码中出现的频数,进而根据频数生成频数信息。
根据本公开的实施例,通过针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的全部数据库参数的信息,进而可以根据数据库参数的类型信息,将全部数据库参数进行分类,得到分类结果,再根据分类结果,生成每一个数据库参数在报文信息中出现的频数信息,由于通过对数据库参数进行分类进而按照类别确定数据库参数在交易代码中出现的频数信息,实现了对交易代码对应的数据库参数的频数信息的确定,进而可以通过频数信息确定与交易代码相关度满足预设条件的数据库参数,可以提高测试数据的覆盖性、测试结果的准确性以及测试效率。
根据本公开的实施例,针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,生成测试要素信息,包括:
针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,得到目标交易字段信息;
根据目标交易字段信息,按照预设规则,生成测试要素信息。
根据本公开的实施例,例如,可以根据第二特征参数中包含的数据库参数从数据库中查询得到对应的交易字段信息,进而确定该交易字段信息为目标交易字段信息。
根据本公开的实施例,例如,在确定目标交易字段信息之后,可以按照预设规则,将该目标交易字段信息进行处理,可以是根据目标交易字段信息获取业务元素,如卡种、账户类型等,以将获取的业务元素作为测试数据的要素信息。
图9示意性示出了根据本公开实施例的测试要素生成方法的测试要素信息示意图。
如图9所示,测试要素信息可以包括介质外部标识、介质类型、账户状态以及介质认证种类。其中,介质类型可以是实物型,实物型介质包括的信息可以是卡号、账号以及一代U盾,账户状态可以为正常,介质认证种类可以包括U盾、IC卡帧数、电子密码器以及动态密码器等。
根据本公开的实施例,针对第j个第二特征参数的信息,根据聚类分析后的第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,进而可以将该交易字段信息确定为目标交易字段信息,再根据目标交易字段信息,按照预设规则,生成测试要素信息,实现了对目标交易字段信息的确定,进而实现了根据通过第二特征参数的信息查询得到的目标交易字段信息生成测试要素信息,由于通过将交易场景信息与第二特征参数进行对应,可以使测试数据全面覆盖,提高测试结果的准确性以及测试效率。
基于上述测试要素信息生成方法,本公开还提供了一种测试要素信息生成装置。以下将结合图10对该装置进行详细描述。
图10示意性示出了根据本公开实施例的测试要素信息生成装置的结构框图。
如图10所示,该实施例的测试要素信息生成装置1000包括获取模块1010、查询模块1020、确定模块1030、第一生成模块1040和第二生成模块1050。
获取模块1010用于获取网关通讯区在目标交易时段内的报文信息,其中,报文信息中包括m个交易场景信息和与交易场景信息对应的交易字段名称信息,m为大于2的正整数。在一实施例中,获取模块1010可以用于执行前文描述的操作S210,在此不再赘述。
查询模块1020用于针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的n个数据库参数的信息,数据库参数的信息包括每一个数据库参数在报文信息中出现的频数信息;n为正整数。在一实施例中,查询模块1020可以用于执行前文描述的操作S220,在此不再赘述。
确定模块1030用于根据数据库参数的频数信息,从n个数据库参数中确定第一特征参数的信息,其中,第一特征参数的信息表征与第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n。在一实施例中,确定模块1030可以用于执行前文描述的操作S230,在此不再赘述。
第一生成模块1040用于将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m。在一实施例中,第一生成模块1040可以用于执行前文描述的操作S240,在此不再赘述。
第二生成模块1050用于针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,生成测试要素信息,1≤j≤k。在一实施例中,第二生成模块1050可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,确定模块包括计算单元、排序单元和第一确定单元。其中,计算单元用于针对每一个数据库参数,根据数据库参数的频数信息,利用卡方检验法,计算每一个数据库参数与第i个交易场景信息的相关度;排序单元用于根据n个数据库参数的相关度,对n个数据库参数进行排序,得到排序结果信息;第一确定单元用于根据排序结果信息,从n个数据库参数中确定第一特征参数的信息。
根据本公开的实施例,第一确定单元包括第一确定子单元和第二确定子单元。其中,第一确定子单元用于根据排序结果信息,确定每一个数据库参数的排序位置信息;第二确定子单元用于在排序位置信息满足预设条件的情况下,将数据库参数确定为第一特征参数。
根据本公开的实施例,第一生成模块包括构建单元、第一获取单元和第一生成单元。其中,构建单元用于针对第一特征参数的信息,根据第一特征参数与第i个交易场景信息的相关度,构建第i个相关度矩阵;第一获取单元用于将m个相关度矩阵进行聚类分析,得到k个交易场景的类,其中,每一个交易场景的类中包括多个第一特征参数的信息;第一生成单元用于根据多个第一特征参数的信息,生成第二特征参数的信息。
根据本公开的实施例,第一获取单元包括输出单元和第三确定子单元。其中,输出单元用于将m个相关度矩阵,以与相关度矩阵对应的交易场景信息作为标签,输入聚类算法模型,输出聚类结果;第三确定子单元用于根据聚类结果,确定k个交易场景的类。
根据本公开的实施例,查询模块包括查询单元、第二获取单元和第二生成单元。其中,查询单元用于针对第i个交易场景信息,根据交易字段名称信息,从数据库中查询得到与交易字段名称信息对应的全部数据库参数的信息;第二获取单元用于根据数据库参数的类型信息,将全部数据库参数进行分类,得到分类结果;第二生成单元用于根据分类结果,生成每一个数据库参数在报文信息中出现的频数信息。
根据本公开的实施例,第二生成模块包括第三获取单元和第三生成单元。其中,第三获取单元用于针对第j个第二特征参数的信息,根据第二特征参数的信息,通过从数据库中查询得到与第二特征参数的信息对应的交易字段信息,得到目标交易字段信息;第三生成单元用于根据目标交易字段信息,按照预设规则,生成测试要素信息。
根据本公开的实施例,获取模块1010、查询模块1020、确定模块1030、第一生成模块1040和第二生成模块1050中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块1010、查询模块1020、确定模块1030、第一生成模块1040和第二生成模块1050中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块1010、查询模块1020、确定模块1030、第一生成模块1040和第二生成模块1050中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图11示意性示出了根据本公开实施例的适于实现测试要素生成方法的电子设备的方框图。
如图11所示,根据本公开实施例的电子设备1100包括处理器1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1103中,存储有电子设备1100操作所需的各种程序和数据。处理器1101、ROM 1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。电子设备1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;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1107;包括硬盘等的存储部分1108;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1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,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1110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1108。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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。在本公开中,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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,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。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器1101执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1109被下载和安装,和/或从可拆卸介质1111被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种测试要素信息生成方法,包括:
从网关通讯区获取在目标交易时段内的报文信息,其中,所述报文信息中包括m个交易场景信息和与所述交易场景信息对应的交易字段名称信息,m为大于2的正整数;
针对第i个交易场景信息,根据所述交易字段名称信息,从数据库中查询得到与所述交易字段名称信息对应的n个数据库参数的信息,所述数据库参数的信息包括每一个所述数据库参数在所述报文信息中出现的频数信息;n为正整数;
根据数据库参数的频数信息,从所述n个数据库参数中确定第一特征参数的信息,其中,所述第一特征参数的信息表征与所述第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n;
将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m;
针对第j个所述第二特征参数的信息,根据所述第二特征参数的信息,通过从所述数据库中查询得到与所述第二特征参数的信息对应的交易字段信息,生成所述测试要素信息,1≤j≤k。
2.根据权利要求1所述的方法,其中,所述根据所述数据库参数的频数信息,从所述n个数据库参数中确定第一特征参数的信息,包括:
针对每一个所述数据库参数,根据所述数据库参数的频数信息,利用卡方检验法,计算所述每一个数据库参数与所述第i个交易场景信息的相关度;
根据n个数据库参数的相关度,对所述n个数据库参数进行排序,得到排序结果信息;
根据所述排序结果信息,从所述n个数据库参数中确定第一特征参数的信息。
3.根据权利要求2所述的方法,其中,所述根据所述排序结果信息,从所述n个数据库参数中确定第一特征参数的信息,包括:
根据所述排序结果信息,确定每一个数据库参数的排序位置信息;
在所述排序位置信息满足所述预设条件的情况下,将所述数据库参数确定为所述第一特征参数。
4.根据权利要求1所述的方法,其中,将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,包括:
针对所述第一特征参数的信息,根据第一特征参数与所述第i个交易场景信息的相关度,构建第i个相关度矩阵;
将所述m个相关度矩阵进行聚类分析,得到k个交易场景的类,其中,所述每一个交易场景的类中包括多个所述第一特征参数的信息;
根据所述多个所述第一特征参数的信息,生成所述第二特征参数的信息。
5.根据权利要求4所述的方法,其中,所述将所述m个相关度矩阵进行聚类分析,得到k个交易场景的类,包括:
将所述m个相关度矩阵,以与所述相关度矩阵对应的交易场景信息作为标签,输入聚类算法模型,输出聚类结果;
根据所述聚类结果,确定所述k个交易场景的类。
6.根据权利要求1所述的方法,其中,针对第i个交易场景信息,根据所述交易字段名称信息,从数据库中查询得到与所述交易字段名称信息对应的n个数据库参数的信息,包括:
针对所述第i个交易场景信息,根据所述交易字段名称信息,从数据库中查询得到与所述交易字段名称信息对应的全部数据库参数的信息;
根据所述数据库参数的类型信息,将所述全部数据库参数进行分类,得到分类结果;
根据所述分类结果,生成所述每一个所述数据库参数在所述报文信息中出现的频数信息。
7.根据权利要求1所述的方法,其中,所述针对第j个所述第二特征参数的信息,根据所述第二特征参数的信息,通过从所述数据库中查询得到与所述第二特征参数的信息对应的交易字段信息,生成所述测试要素信息,包括:
针对第j个所述第二特征参数的信息,根据所述第二特征参数的信息,通过从所述数据库中查询得到与所述第二特征参数的信息对应的交易字段信息,得到目标交易字段信息;
根据所述目标交易字段信息,按照预设规则,生成所述测试要素信息。
8.一种测试要素生成装置,包括:
获取模块,用于获取网关通讯区在目标交易时段内的报文信息,其中,所述报文信息中包括m个交易场景信息和与所述交易场景信息对应的交易字段名称信息,m为大于2的正整数;
查询模块,用于针对第i个交易场景信息,根据所述交易字段名称信息,从数据库中查询得到与所述交易字段名称信息对应的n个数据库参数的信息,所述数据库参数的信息包括每一个所述数据库参数在所述报文信息中出现的频数信息;n为正整数;
确定模块,用于根据数据库参数的频数信息,从所述n个数据库参数中确定第一特征参数的信息,其中,所述第一特征参数的信息表征与所述第i个交易场景信息的相关度满足预设条件的特征参数信息,1≤i≤n;
第一生成模块,用于将m个第一特征参数的信息进行聚类分析,生成k个第二特征参数的信息,1≤k≤m;
第二生成模块,用于针对第j个所述第二特征参数的信息,根据所述第二特征参数的信息,通过从所述数据库中查询得到与所述第二特征参数的信息对应的交易字段信息,生成所述测试要素信息,1≤j≤k。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,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执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154554.8A CN116049508A (zh) | 2022-09-21 | 2022-09-21 | 测试要素信息生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154554.8A CN116049508A (zh) | 2022-09-21 | 2022-09-21 | 测试要素信息生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116049508A true CN116049508A (zh) | 2023-05-02 |
Family
ID=86124244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211154554.8A Pending CN116049508A (zh) | 2022-09-21 | 2022-09-21 | 测试要素信息生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116049508A (zh) |
-
2022
- 2022-09-21 CN CN202211154554.8A patent/CN116049508A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN109542764B (zh) | 网页自动化测试方法、装置、计算机设备和存储介质 | |
CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
JP7170689B2 (ja) | 出力装置、出力方法及び出力プログラム | |
CN113743692B (zh) | 业务风险评估方法、装置、计算机设备和存储介质 | |
CN115827122A (zh) | 操作引导方法、装置、电子设备及存储介质 | |
CN115168509A (zh) | 风控数据的处理方法及装置、存储介质、计算机设备 | |
CN116049508A (zh) | 测试要素信息生成方法、装置、设备及存储介质 | |
CN114493853A (zh) | 信用等级评价方法、装置、电子设备及存储介质 | |
CN113297436A (zh) | 基于关系图网络的用户策略分配方法、装置及电子设备 | |
CN113095589A (zh) | 一种人口属性确定方法、装置、设备及存储介质 | |
CN111582648A (zh) | 用户策略生成方法、装置及电子设备 | |
CN113052509B (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN113360765B (zh) | 事件信息的处理方法、装置、电子设备和介质 | |
CN110097250B (zh) | 产品风险预测方法、装置、计算机设备和存储介质 | |
CN116703505A (zh) | 一种订单信息的判断方法及装置 | |
CN116541702A (zh) | 一种样本标签生成方法、模型训练方法、装置及设备 | |
CN116523285A (zh) | 机器人流程自动化需求的流转方法、装置、设备及介质 | |
CN114004642A (zh) | 商机转化方法、系统、存储介质及电子设备 | |
CN117271486A (zh) | 基于人工智能的数据报送方法、装置、设备及存储介质 | |
CN114661794A (zh) | 业务数据处理方法、装置、设备及介质 | |
CN116610674A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN116561803A (zh) | 一种安全策略信息处理方法、装置、设备及存储介质 | |
CN118333753A (zh) | 资源额度确定方法、装置、设备、介质和程序产品 | |
CN116166558A (zh) | 交易测试方法、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 |