CN116244189A - 一种基于大数据匹配的缺陷管理系统及方法 - Google Patents
一种基于大数据匹配的缺陷管理系统及方法 Download PDFInfo
- Publication number
- CN116244189A CN116244189A CN202310104609.2A CN202310104609A CN116244189A CN 116244189 A CN116244189 A CN 116244189A CN 202310104609 A CN202310104609 A CN 202310104609A CN 116244189 A CN116244189 A CN 116244189A
- Authority
- CN
- China
- Prior art keywords
- defect
- matching degree
- defects
- existing
- newly added
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 448
- 238000000034 method Methods 0.000 title claims description 24
- 238000012360 testing method Methods 0.000 claims abstract description 50
- 238000007726 management method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 112
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000011161 development Methods 0.000 claims description 9
- 230000002950 deficient Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大数据匹配的缺陷管理方法及系统，包括以下步骤：将新增缺陷录入至数据库中；在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷；当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现。本发明中能够自动根据新录入数据库中的新增缺陷和和数据库中的已有缺陷匹配判断是否存在与新增缺陷相似的已有缺陷，自动显示与新增缺陷相似的已有缺陷，方便测试人员查阅，降低缺陷单重复率，提高测试工作的效率。
Description
技术领域
本发明涉及缺陷管理技术领域，尤其涉及一种基于大数据匹配的缺陷管理方法及系统。
背景技术
软件缺陷，常常又被叫做Bug。所谓软件缺陷，即为计算机软件或程序中存在的某种破坏正常运行能力的问题、错误，或者隐藏的功能缺陷。缺陷的存在会导致软件产品在某种程度上不能满足用户的需要。ANSI/IEEE Std 729-1983对缺陷有一个标准的定义：从产品内部看，缺陷是软件产品开发或维护过程中存在的错误、毛病等各种问题；从产品外部看，缺陷是系统所需要实现的某种功能的失效或违背。
缺陷管理系统主要完成在软件生命周期中识别、管理、沟通任何缺陷的过程(从缺陷的识别，到缺陷的解决关闭)，确保缺陷被跟踪管理而不丢失。但是，现有的缺陷管理系统大都存在问题，如重复提交相同的缺陷单，存量缺陷单的优秀测试环境、测试方法等无法总结、继承、学习、提炼，查找相似的缺陷过程复杂繁琐，效率低下，软件开发过程中的错误在其他项目重复发生使得经验教训得不到高效传播。
发明内容
为解决背景技术中存在的技术问题，本发明提出一种基于大数据匹配的缺陷管理方法及系统。
本发明提出的一种基于大数据匹配的缺陷管理方法，包括以下步骤：
将新增缺陷录入至数据库中；
在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷；
当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现。
进一步地，在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷，具体包括：
在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果；
根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷；
当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％。
进一步地，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果，具体包括：
将新增缺陷的缺陷内容提取为多个关键词池；
根据提取的多个关键词池提取出多个核心关键词；
将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果；根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果。
进一步地，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响。
进一步地，根据提取的多个关键词池提取出多个核心关键词，具体包括：
根据新增缺陷的每个关键词池生成1-10个关键词；
将多个关键词池生成的所有关键词中的公共关键词和重复的关键词剔除后，提取出8-20个核心关键词。
进一步地，将与新增缺陷相似的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X。
进一步地，将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现。
进一步地，当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现之后，还包括：
将新增缺陷发送给该已有缺陷的提单人和开发负责人。
进一步地，在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
当存在重复缺陷时，给出重复提示。
进一步地，根据新增缺陷实时录入的内容和数据库中的已有缺陷判断是否存在重复，具体包括：
根据新增缺陷实时录入的内容和和数据库中的已有缺陷进行实时匹配度计算，得到第二匹配度计算结果；
根据第二匹配度计算结果判断是否存在重复缺陷。
进一步地，根据第二匹配度计算结果判断是否存在重复缺陷，具体包括：
当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；
其中，90％≤Z≤100％。
进一步地，还包括：
根据新增缺陷生成测试用例。
本发明还提出了一种基于大数据匹配的缺陷管理系统，其特征在于，包括：
数据库，用于储存缺陷；
缺陷录入模块，用于将新增缺陷录入数据库中；
缺陷匹配度分析模块，用于在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配，判断是否存在与新增缺陷相似的已有缺陷；
缺陷显示模块，用于显示与新增缺陷相似的已有缺陷。
进一步地，缺陷匹配度分析模块用于在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算得到第一匹配度计算结果，并根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷。
进一步地，当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％。
进一步地，缺陷匹配度分析模块包括关键词提取子模块、匹配度计算子模块和判断子模块；
关键词提取子模块用于将新增缺陷的缺陷内容提取为多个关键词池，并根据提取的多个关键词池提取出多个核心关键词；
匹配度计算子模块用于将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果，并根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果；
判断子模块用于根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷。
进一步地，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响。
进一步地，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X。
进一步地，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现。
进一步地，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
其中，当存在重复缺陷时，给出重复提示；
进一步地，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和和数据库中的已有缺陷进行匹配度计算，得到第二匹配度计算结果，并根据第二匹配度计算结果判断是否存在重复缺陷。
进一步地，当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；其中，90％≤Z≤100％。
进一步地，还包括测试用例生成模块，测试用例生成模块用于根据新增缺陷生成测试用例。
进一步地，还包括缺陷发送模块，缺陷发送模块用于当存在与新增缺陷相似的已有缺陷时，将新增缺陷发送给该已有缺陷的提单人和开发负责人。
本发明中，所提出的基于大数据匹配的缺陷管理方法及系统，能够自动根据新录入数据库中的新增缺陷和和数据库中的已有缺陷匹配判断是否存在与新增缺陷相似的已有缺陷，自动显示与新增缺陷相似的已有缺陷，方便测试人员查阅，有利于测试人员学习他人他人优秀的测试环境和方法，降低缺陷单重复率，提高测试工作的效率。
附图说明
图1为本发明提出的一种基于大数据匹配的缺陷管理方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
参照图1，本发明提出的一种基于大数据匹配的缺陷管理方法，包括以下步骤：
将新增缺陷录入至数据库中；
在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷；
当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现。
本发明能够自动根据新录入数据库中的新增缺陷和和数据库中的已有缺陷匹配判断是否存在与新增缺陷相似的已有缺陷，自动显示与新增缺陷相似的已有缺陷，方便测试人员查阅，有利于测试人员学习他人他人优秀的测试环境和方法，降低缺陷单重复率，提高测试工作的效率。
在本实施例中，在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷，具体包括：
在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果；
根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷；
当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％。
如此设置，可自动将新增缺陷和和数据库中的已有缺陷匹配并显示匹配结果，从而快速判断是否存在与新增缺陷相似的已有缺陷。
在其中一个具体实施例中，X＝60％。
为了精准判断是否存在与新增缺陷相似的已有缺陷，在进一步地实施例中，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果，具体包括：
将新增缺陷的缺陷内容提取为多个关键词池；
根据提取的多个关键词池提取出多个核心关键词；
将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果；
根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果。
在进一步地实施例中，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响。
在其中一个具体实施中，提取的多个关键词池的总权重为100％，其中，数据输入a、操作步骤b和测试结果c的权重之和为50％，缺陷标题d、所属领域e和问题模块f的权重之和为30％，测试环境g和结果影响h的权重之和为20％。
需要说明的是，每个关键词池至少提取出一个核心关键词。
其中，由于提取的多个关键词池中的关键词可能会有重复，且存在与问题相关性较小的一些测试常用词汇，即公共关键词，例如“按钮”、“严重”、“关闭”等，为了提升缺陷匹配的准确性，需要将重复关键词和公共关键词的剔除，否则对最终匹配度的计算会有很大影响。
为了解决这一问题，在进一步地实施例中，根据提取的多个关键词池提取出多个核心关键词，具体包括：
根据新增缺陷的每个关键词池生成1-10个关键词；
将多个关键词池生成的所有关键词中的公共关键词和重复的关键词剔除后，提取出8-20个核心关键词。
当然，为了方便新增缺陷的关键词以及核心关键词的提权，从而有利于提高新增缺陷与数据库中已有缺陷的匹配度，在进一步地实施例中，数据库设有公共关键词池和核心关键词池；
公共关键词池用于存储公共关键词并根据新增缺陷学习并补充的新的公共关键词，核心关键词池用于存储核心关键词，并根据新增缺陷学习并补充的新的核心关键词。
在其中一个具体地实施例中，将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果，具体包括：
每个关键词池的匹配度计算公式为
M＝2×Num(A-B)/Num(A+B)×100％；
其中，Num(A-B)代表新增缺陷A和已有缺陷B相同的核心关键词的数量，2代表相同系数，Num(A+B)代表新增缺陷A和已有B的去重前的核心关键词总数量。
在进一步地实施例中，根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果，具体包括：
每个缺陷的匹配度计算公式为
N＝100％×[50×(Ma+Mb+Mc)/3+30×(Md+Me+Mf)/3+20×(Mg+Mh)/2]/100；
其中，N表示新增缺陷A与已有缺陷B的匹配度，即第一匹配度计算结果；
Ma+Mb+Mc表示数据输入a、操作步骤b和测试结果c的匹配度之和；
Md+Me+Mf表示缺陷标题d、所属领域e和问题模块f的匹配度之和；
Mg+Mh表示测试环境g和结果影响h的匹配度之和。
为了方便测试人员查阅与新增缺陷相似的已有缺陷，降低缺陷单重复率，提高测试工作的效率，在本实施例中，当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X。
另外，由于匹配度小于50％的缺陷大都不属于同一领域，一般不认为是相似缺陷，因此，在其中一个具体实施例中，Y＝50％。
为了进一步方便测试人员查阅第一匹配度计算结果，在更进一步地实施例中，将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现。
其中，列表可以设置正序排列、倒叙排列，也可以设置只显示前X条缺陷。
为了快速判断数据库中是否存在与新增缺陷重复的已有缺陷，避免重复提交相同的缺陷单，在本实施例中，还包括：
在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
当存在重复缺陷时，给出重复提示。
在进一步地实施例中，根据新增缺陷实时录入的内容和数据库中的已有缺陷判断是否存在重复，具体包括：
根据新增缺陷实时录入的内容和和数据库中的已有缺陷实时进行匹配度计算，得到第二匹配度计算结果；
根据第二匹配度计算结果判断是否存在重复缺陷。
如此设置，可在录入新增缺陷的过程中实时进行判断，极大地提高了效率，避免了重复缺陷单的提交。需要说明的是，在第二匹配度计算的实时匹配度小于Z值时，重复提示自动消失。
应当理解的是，本实施例中新增缺陷以及新增缺陷的关键词池的匹配度计算公式同上。
在更近一步地实施例中，根据第二匹配度计算结果判断是否存在重复缺陷，具体包括：
当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；其中，90％≤Z≤100％。
在其中一个具体地实施例中，Z＝90％。
应当理解的是，该方法不会禁止缺陷的录入。
为了方便测试人员的查看和修改，测试人员在本实施例中，还包括：
根据新增缺陷生成测试用例。
在进一步地具体实施例中，根据新增缺陷的问题模块、测试环境、数据输入、操作步骤等内容生成测试用例。
具体地，测试人员可以在预览页面修改测试用例，并确认测试用例无误后保存；测试用例可以直接导出生成本地Excel文件，便于本地随时查看，也可以作为其他项目的测试用例设计的参考。
在进一步地实施例中，当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现之后，还包括：
将新增缺陷发送给该已有缺陷的提单人和开发负责人。
在进一步地实施例中，当存在与新增缺陷相似的已有缺陷时，将新增缺陷发送给该已有缺陷的提单人和开发负责人，具体包括：
当存在与新增缺陷相似的已有缺陷时，将新增缺陷按照特定模板通过邮件发送给与该已有缺陷的提单人和开发负责人的邮箱。
当然，也可以采用其他方式进行通知，如短信、即使通讯软件等。
本发明还提出了一种基于大数据匹配的缺陷管理系统，包括：
数据库，用于储存缺陷；
缺陷录入模块，用于将新增缺陷录入至数据库中；
缺陷匹配度分析模块，用于在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配，判断是否存在与新增缺陷相似的已有缺陷；
缺陷显示模块，用于显示与新增缺陷相似的已有缺陷。
本发明能够自动根据新录入数据库中的新增缺陷和和数据库中的已有缺陷匹配判断是否存在与新增缺陷相似的已有缺陷，自动显示与新增缺陷相似的已有缺陷，有利于测试人员学习他人优秀的测试环境和方法，降低缺陷单重复率，提高测试工作的效率。
在本实施例中，缺陷匹配度分析模块用于在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算得到第一匹配度计算结果，并根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷。
在进一步地实施例中，当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％。如此设置可方便判断否存在与新增缺陷相似的已有缺陷。
在进一步地实施例中，缺陷匹配度分析模块包括关键词提取子模块、匹配度计算子模块和判断子模块；
关键词提取子模块用于将新增缺陷的缺陷内容提取为多个关键词池，并根据提取的多个关键词池提取出多个核心关键词；
匹配度计算子模块将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果，并根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果；
判断子模块用于根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷。
如此设置，有利于精准判断是否存在与新增缺陷相似的已有缺陷。
在更进一步地实施例中，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响。
为了能够自动显示与新增缺陷相似的已有缺陷及其匹配度，方便测试人员查阅，有利于降低缺陷单重复率，提高测试工作的效率，在更进一步地实施例中，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X。
在更进一步地具体实施例中，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现。
在本实施例中，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
其中，当存在重复缺陷时，给出重复提示。
如此设置，有利于快速判断数据库中是否存在与新增缺陷重复的已有缺陷，避免重复提交相同的缺陷单。
在进一步地实施例中，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和和数据库中的已有缺陷进行匹配度计算，得到第二匹配度计算结果，并根据第二匹配度计算结果判断是否存在重复缺陷。
在进一步地实施例中，当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；其中，90％≤Z≤100％。
在进一步地实施例中，还包括测试用例生成模块，测试用例生成模块用于根据新增缺陷生成测试用例。
其中，测试用例生成模块根据新增缺陷的问题模块、测试环境、数据输入、操作步骤等数据生成测试用例。
其中测试用例生成模块能够将测试用例导出生成本地文件。
为了进一步提高新增缺陷与数据库中已有缺陷的匹配度在进一步地实施例中，数据库还包括：
公共关键词池，用于存储公共关键词，并用于根据新增缺陷学习并补充的新的公共关键词；
核心关键词池，用于存储核心关键词，并用于根据新增缺陷学习并补充的新的核心关键词。
在本实施例中，还包括缺陷发送模块，缺陷发送模块用于当存在与新增缺陷相似的已有缺陷时，将新增缺陷发送给该已有缺陷的提单人和开发负责人，方便提单人和开发人针对重复较多或相似较多的缺陷进行总结和学习。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于大数据匹配的缺陷管理方法，其特征在于，包括以下步骤：
将新增缺陷录入至数据库中；
在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷；
当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现。
2.根据权利要求1所述的基于大数据匹配的缺陷管理方法，其特征在于，在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷判断是否存在与新增缺陷相似的已有缺陷，具体包括：
在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果；
根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷；
当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％。
3.根据权利要求2所述的基于大数据匹配的缺陷管理方法，其特征在于，根据新增缺陷和数据库中的已有缺陷进行匹配度计算，得到第一匹配度计算结果，具体包括：
将新增缺陷的缺陷内容提取为多个关键词池；
根据提取的多个关键词池提取出多个核心关键词；
将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果；
根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果；
优选地，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响；
优选地，根据提取的多个关键词池提取出多个核心关键词，具体包括：
根据新增缺陷的每个关键词池生成1-10个关键词；
将多个关键词池生成的所有关键词中的公共关键词和重复的关键词剔除后，提取出8-20个核心关键词。
4.根据权利要求2所述的基于大数据匹配的缺陷管理方法，其特征在于，当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X；
优选地，将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现，具体包括：
将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现；
优选地，当存在与新增缺陷相似的已有缺陷时，将与新增缺陷相似的已有缺陷呈现之后，还包括：
将新增缺陷发送给该已有缺陷的提单人和开发负责人。
5.根据权利要求1所述的基于大数据匹配的缺陷管理方法，其特征在于，还包括：
在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
当存在重复缺陷时，给出重复提示；
优选地，根据新增缺陷实时录入的内容和数据库中的已有缺陷判断是否存在重复，具体包括：
根据新增缺陷实时录入的内容和和数据库中的已有缺陷进行实时匹配度计算，得到第二匹配度计算结果；
根据第二匹配度计算结果判断是否存在重复缺陷；
优选地，根据第二匹配度计算结果判断是否存在重复缺陷，具体包括：
当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；
其中，90％≤Z≤100％。
6.根据权利要求1-5任意一项所述的基于大数据匹配的缺陷管理方法，其特征在于，还包括：
根据新增缺陷生成测试用例。
7.一种基于大数据匹配的缺陷管理系统，其特征在于，包括：
数据库，用于储存缺陷；
缺陷录入模块，用于将新增缺陷录入至数据库中；
缺陷匹配度分析模块，用于在新增缺陷完全录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配，判断是否存在与新增缺陷相似的已有缺陷；
缺陷显示模块，用于显示与新增缺陷相似的已有缺陷。
8.根据权利要求7所述的基于大数据匹配的缺陷管理系统，其特征在于，缺陷匹配度分析模块用于在新增缺陷录入数据库中后，根据新增缺陷和数据库中的已有缺陷进行匹配度计算得到第一匹配度计算结果，并根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷；
优选地，当第一匹配度计算结果中存在与新增缺陷的匹配度大于或等于X值的已有缺陷时，缺陷匹配度分析模块判断存在与新增缺陷相似的已有缺陷；其中，60％≤X≤100％；
优选地，缺陷匹配度分析模块包括关键词提取子模块、匹配度计算子模块和判断子模块；
关键词提取子模块用于将新增缺陷的缺陷内容提取为多个关键词池，并根据提取的多个关键词池提取出多个核心关键词；
匹配度计算子模块用于将提取的多个核心关键词与数据库中的已有缺陷的核心关键词进行匹配度计算，得到第三匹配度计算结果，并根据第三匹配度计算结果和预设的关键词池的权重计算得到第一匹配度计算结果；
判断子模块用于根据第一匹配度计算结果判断是否存在与新增缺陷相似的已有缺陷；
优选地，提取的多个关键词池分别为：缺陷标题、所属领域、问题模块、测试环境、数据输入、操作步骤、测试结果和结果影响；
优选地，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷呈现；其中，0<Y≤X；
优选地，缺陷显示模块用于将第一匹配度计算结果中匹配度大于或等于Y值的已有缺陷以列表的方式呈现。
9.根据权利要求7所述的基于大数据匹配的缺陷管理系统，其特征在于，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和数据库中的已有缺陷实时判断数据库是否存在重复缺陷；
其中，当存在重复缺陷时，给出重复提示；
优选地，缺陷匹配度分析模块还用于在将新增缺陷录入至数据库的过程中，根据新增缺陷实时录入的内容和和数据库中的已有缺陷进行匹配度计算，得到第二匹配度计算结果，并根据第二匹配度计算结果判断是否存在重复缺陷；
优选地，当第二匹配度计算结果中的匹配度大于或等于Z值时，判断存在重复缺陷；其中，90％≤Z≤100％。
10.根据权利要求7所述的基于大数据匹配的缺陷管理系统，其特征在于，还包括测试用例生成模块，测试用例生成模块用于根据新增缺陷生成测试用例；
优选地，还包括缺陷发送模块，缺陷发送模块用于当存在与新增缺陷相似的已有缺陷时，将新增缺陷发送给该已有缺陷的提单人和开发负责人。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310104609.2A CN116244189A (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据匹配的缺陷管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310104609.2A CN116244189A (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据匹配的缺陷管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116244189A true CN116244189A (zh) | 2023-06-09 |
Family
ID=86629167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310104609.2A Pending CN116244189A (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据匹配的缺陷管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116244189A (zh) |
-
2023
- 2023-02-13 CN CN202310104609.2A patent/CN116244189A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008288A (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
| CN113407517A (zh) | 一种基于多维分析技术的数据质量健康度分析方法及系统 | |
| CN107862327B (zh) | 一种基于多特征的安全缺陷识别系统和方法 | |
| CN108351988A (zh) | 维修后数据比较 | |
| CN111625454A (zh) | 基于测试用例的数据处理方法及相关设备 | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| CN116485597B (zh) | 基于岗位能力模型的标准化实训方法 | |
| CN111752833B (zh) | 一种软件质量体系准出方法、装置、服务器及存储介质 | |
| CN115357906A (zh) | 面向网络安全等级保护2.0的智能辅助测评方法及系统 | |
| CN113778875B (zh) | 一种系统测试缺陷分类方法、装置、设备及存储介质 | |
| CN111353304B (zh) | 一种众包测试报告聚合和摘要的方法 | |
| CN112256576B (zh) | 人机对话语料测试方法、装置、设备及存储介质 | |
| CN116244189A (zh) | 一种基于大数据匹配的缺陷管理系统及方法 | |
| CN116596510A (zh) | 一种运维故障管理方法、系统、终端设备及存储介质 | |
| CN115587333A (zh) | 一种基于多分类模型的失效分析故障点预测方法及系统 | |
| JP4003499B2 (ja) | 見積評価支援プログラムおよび見積評価支援システム | |
| Huang et al. | A method of bug report quality detection based on vector space model | |
| CN114637893A (zh) | 一种fmea数据库系统及其处理方法 | |
| Penning et al. | Information quality assessment and improvement of student information in the university environment | |
| CN112346898A (zh) | 一种轨道交通系统的测试方法及系统 | |
| CN116703332B (zh) | 一种基于微服务架构的石油问卷调查分析系统及方法 | |
| CN118397886B (zh) | 一种基于mvc框架的交互数据监管方法及系统 | |
| CN117421428B (zh) | 基于完整期刊库的论文发表诚信评估分析方法及系统 | |
| JP2002373087A (ja) | 品質管理システム | |
| Robinson | Risk assessment in software requirements engineering: an event driven framework |
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 |