CN117407291A - 需求校验方法、装置、计算机设备及其存储介质 - Google Patents
需求校验方法、装置、计算机设备及其存储介质 Download PDFInfo
- Publication number
- CN117407291A CN117407291A CN202311303973.8A CN202311303973A CN117407291A CN 117407291 A CN117407291 A CN 117407291A CN 202311303973 A CN202311303973 A CN 202311303973A CN 117407291 A CN117407291 A CN 117407291A
- Authority
- CN
- China
- Prior art keywords
- demand
- text
- word
- determining
- keywords
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012360 testing method Methods 0.000 claims abstract description 176
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000011218 segmentation Effects 0.000 claims description 114
- 230000006870 function Effects 0.000 claims description 66
- 238000004590 computer program Methods 0.000 claims description 46
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 208000011580 syndromic disease Diseases 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 description 21
- 230000018109 developmental process Effects 0.000 description 18
- 238000011161 development Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
- G06F8/24—Object-oriented
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种需求校验方法、装置、计算机设备及其存储介质。所述方法包括:从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;根据待校验需求文本和相似需求文本集合,确定功能关键字集合;从需求测试用例集合中提取功能关键字集合对应的校验关键字;根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。本申请实现了对待校验需求文本的正确性和完整性进行校验,防止在待校验需求的处理过程中发现待校验需求中存在错误或者完整性缺失。
Description
技术领域
本申请涉及软件开发技术领域,特别是涉及一种需求校验方法、装置、计算机设备及其存储介质。
背景技术
为完成用户提出的软件开发任务,需要开发团队针对软件开发任务中的需求进行分析、设计、实现、测试交付和维护五个阶段的处理,直至最终完成软件的开发任务。
但是现有技术中,若在对需求进行处理的过程中发现需求中存在问题,则需要对已完成开发的内容进行调整和修复,进而,影响整个软件的开发流程与开发进度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够防止软件开发进程不受影响的需求校验方法、装置、计算机设备及其存储介质。
第一方面,本申请提供了一种需求校验方法。方法包括:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
在其中一个实施例中,根据待校验需求文本和相似需求文本集合,确定功能关键字集合,包括:
对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合;
根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值;
根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在其中一个实施例中,根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值,包括:
对各需求分词进行词频运算,得到各需求分词对应的词频;
对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率;
根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在其中一个实施例中,根据各需求分词对应的取值,从各需求分词中确定功能关键字集合,包括:
从各需求分词对应的取值中,确定最大取值和最小取值;
根据最大取值和最小取值,确定功能加权取值范围;
将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
在其中一个实施例中,从需求测试用例集合中提取功能关键字集合对应的校验关键字,包括:
根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合;
对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
在其中一个实施例中,对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字,包括:
对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;
根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;
根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在其中一个实施例中,根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果,包括:
确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字;
根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果;
根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在其中一个实施例中,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,包括:
确定历史需求文本和待校验需求文本的文本相似度;
根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
第二方面,本申请还提供了一种需求校验装置。装置包括:
第一确定模块,用于从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
第二确定模块,用于根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
提取模块,用于从需求测试用例集合中提取功能关键字集合对应的校验关键字;
第三确定模块,用于根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
第五方面,本申请还提供了一种计算机程序产品。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以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
上述需求校验方法、装置、计算机设备及其存储介质,获取待校验需求文对应的相似需求文本集合,以及相似需求文本集合对应的需求测试用例,通过待校验需求文本、相似需求文本集合和需求测试用例集合,确定功能关键字集合对应的校验关键字;进而,根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果。由于上述过程中会根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果,实现了对待校验需求文本的正确性和完整性进行校验,防止在待校验需求的处理过程中发现待校验需求中存在错误或者完整性缺失,从而影响整个软件的开发流程和开发进度;并且,由于功能关键字集合对应的校验关键字是根据待校验需求文本、相似需求文本集合和需求测试用例集合确定的,因此,在根据各功能关键字对应的校验关键字确定校验结果的过程中,结合了相似需求文本集合,以及需求测试用例集合,使得校验结果的准确性更高,保证了校验结果能够准确反应待校验需求文本的正确性和完整性。
附图说明
图1为本申请实施例提供的一种需求校验方法的应用环境图;
图2为本申请实施例提供的一种需求校验方法的流程图;
图3为本申请实施例提供的确定功能关键字集合的流程示意图;
图4为本申请实施例提供的确定校验关键字的流程示意图;
图5为本申请实施例提供的确定校验结果的流程示意图;
图6为本申请实施例提供的确定相似需求文本集合的流程示意图;
图7为本申请实施例提供的另一种需求校验方法的流程图;
图8为本申请实施例提供的第一种需求校验装置的结构框图;
图9为本申请实施例提供的第二种需求校验装置的结构框图;
图10为本申请实施例提供的第三种需求校验装置的结构框图;
图11为本申请实施例提供的第四种需求校验装置的结构框图;
图12为本申请实施例提供的第五种需求校验装置的结构框图;
图13为本申请实施例提供的第六种需求校验装置的结构框图;
图14为本申请实施例提供的第七种需求校验装置的结构框图;
图15为本申请实施例提供的第八种需求校验装置的结构框图;
图16为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。在本申请的描述中,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须针对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。
基于上述情况,本申请实施例提供的需求校验方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储需求校验方法的获取数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种需求校验方法。
本申请公开了一种需求校验方法、装置、计算机设备及其存储介质,确定待校验需求文本对应的相似需求文本集合和需求测试用例集合;根据待校验需求文本、相似需求文本集合和需求测试用例集合,确定功能关键字集合对应的校验关键字;根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
在一个实施例中,如图2所示,图2为本申请实施例提供的一种需求校验方法的流程图,提供了一种需求校验方法,图1中的计算机设备执行的需求校验方法可以包括以下步骤:
步骤201,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合。
需要说明的是,待校验需求文本指的是针对待校验需求内容的文本描述,其中,待校验需求文本可以包括但不限于:待校验需求的需求概述、待校验需求的需求名称、待校验需求的业务规则、待校验需求的软件界面要求等。
在本申请的一种实施例,当需要对待校验需求文本进行校验之前,可通过以下流程获取待校验需求对应的待校验需求文本:向用户的终端设备反馈需求模板,以使用户在需求模板中填写待校验需求的需求概述、待校验需求的需求名称、待校验需求的业务规则、待校验需求的软件界面要求等信息并反馈,接收用户终端设备反馈的填写后的需求目标,实现获取待校验需求文本。
进一步说明,当需要确定相似需求文本集合时,可针对历史需求文本与待校验需求文本进行相似度计算,并根据计算得到的文本相似度,以及预先设定的相似需求文本筛选条件,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
其中,相似需求文本筛选条件用于从历史需求文本中筛选属于相似需求文本集合中的相似需求文本;例如,相似需求文本筛选条件中可以记录有:设定相似度阈值,并按照相似度阈值从历史需求文本中确定相似需求文本集合中的相似需求文本,或者,按照文本相似度从高到低的顺序对历史需求文本进行先后排序,从排序后的历史需求文本中按照预测的比例选择历史需求文本作为相似需求文本集合中的相似需求文本。
在本申请的一种实施例中,当需要从历史需求文本中确定与待校验需求文本对应的相似需求文本集合时,可确定待校验需求文本与每一历史需求文本的文本相似度,并判断各历史需求文本的文本相似度是否大于预先设定的相似度阈值,并且,将文本相似度大于相似度阈值的历史需求文本作为相似需求文本集合中的相似需求文本。
其中,相似度阈值可根据工作人员的历史经验和实际情况进行设定和调整,在此不对相似度阈值的取值范围进行限定。
在本申请的另一种实施例中,当需要从历史需求文本中确定与待校验需求文本对应的相似需求文本集合时,可确定待校验需求文本与每一历史需求文本的文本相似度,按照文本相似度从高到低的顺序对各历史需求文本进行先后排序,确定预先设定的比例;按照比例从排序后的各历史需求文本中选择相似度最高的至少一个历史需求文本,按照比例选择出的历史需求文本即为相似需求文本集合中的相似需求文本。
例如,预设的比例为百分之三十,则从排序后的各历史需求文本中选取文本相似度最高的前百分之三十的历史需求文本,按照百分之三十选择出的历史需求文本即为相似需求文本集合中的相似需求文本。
其中,比例可根据工作人员的历史经验和实际情况进行设定和调整,在此不对比例的取值范围进行限定。
进一步说明,为保证文本相似度能够准确反应历史需求文本与待校验需求文本的相似度情况,因此,可通过对历史需求文本和待校验需求文本进行分词处理,得到历史需求文本的分词集合和待校验需求文本的分词集合,通过对历史需求文本的分词集合和待校验需求文本的分词集合进行相似度计算,得到历史需求文本与待校验需求文本的文本相似度。
步骤202,根据待校验需求文本和相似需求文本集合,确定功能关键字集合。
其中,功能关键字集合中的功能关键字指的是待校验需求文本和相似需求文本集中重要程度较高的关键字。
需要说明的是,当需要确定功能关键字集合时,可根据上述功能关键字集合中的功能关键字的定义,先对待校验需求文本和相似需求文本集合选中进行分词处理,并评估分词处理得到的需求分词集合的重要程度,进而根据需求分词集合的重要程度,确定功能关键字集合。
进一步说明,确定需求分词集合的重要程度的方法有很多,例如,可根据预先训练的模型评估需求分词集合的重要程度;或者,根据自然语言技术评估需求分词集合的重要程度;或者,根据需求分词的词频和逆文档频率评估需求分词集合的重要程度;综上内容可知,确定需求分词集合的重要程度的方法有很多,在此不进行一一赘述,下面将针对上述三种确定需求分词集合的重要程度的方法进行详细说明:
在本申请的一种实施例中,预先训练关键字提取模型,通过将需求分词集合输入至是关键字提取模型中,并获取关键字提取模型的输出结果,该输出结果即为需求分词集合的重要程度,其中,关键字提取模型可根据标注有重要程度的样本文本训练得到。
在本申请的另一种实施例中,对待校验需求文本和相似需求文本集合分别进行自然语言处理和信息检索处理,分别确定出待校验需求文本和相似需求文本集合的文本含义,根据需求分词集合与文本含义的匹配程度,确定需求分词集合的重要程度。
在本申请的又一种实施例中,分别对需求分词集合进行词频运算和逆文档频率运算,得到需求分词集合对应的词频和逆文档频率,根据需求分词集合对应的词频和逆文档频率,确定需求分词集合的取值,该取值的取值大小可表示需求分词集合的重要程度。
进一步说明,当根据需求分词集合的重要程度,确定功能关键字集合时,可预先设定重要程度范围,判断需求分词集合中各需求分词的重要程度是否属于重要程度范围,并将重要程度属于重要程度范围的需求分词,作为功能关键字集合中的功能关键字。
步骤203,从需求测试用例集合中提取功能关键字集合对应的校验关键字。
其中,校验关键字指的是需求测试用例集合中重要程度较高的关键字。
并且,在确定校验关键字之前,可根据功能关键字集合中包含的每一功能关键字对需求测试用例集合中的每一需求测试用例进行分类处理,实现从需求测试用例集合中,确定每一功能关键字对应的目标测试用例,该目标测试用例与功能关键字具有某一相同的特性,例如:目标测试用例与功能关键字针对同一需求功能,或者,目标测试用例与功能关键字针对同一需求业务场景。
综上内容,当需要确定校验关键字时,可对各功能关键字对应的目标测试用例进行分词处理,得到测试分词集合,并根据测试分词集合的重要程度,确定各功能关键字对应的校准关键字,即为得到功能关键字集合对应的校验关键字。
进一步说明,确定测试分词集合的重要程度的方法有很多,例如,可根据预先训练的模型评估测试分词集合的重要程度;或者,根据自然语言技术评估测试分词集合的重要程度;或者,根据测试分词的词频和逆文档频率评估测试分词集合的重要程度;综上内容可知,确定测试分词集合的重要程度的方法有很多,在此不进行一一赘述,下面将针对上述三种确定测试分词集合的重要程度的方法进行详细说明:
在本申请的一种实施例中,预先训练关键字提取模型,通过将测试分词集合输入至是关键字提取模型中,并获取关键字提取模型的输出结果,该输出结果即为测试分词集合的重要程度。
在本申请的另一种实施例中,对功能关键字对应的目标测试用例进行自然语言处理和信息检索处理,分别确定出功能关键字对应的目标测试用例的文本含义,根据测试分词集合与文本含义的匹配程度,确定测试分词集合的重要程度。
在本申请的又一种实施例中,分别对测试分词集合进行词频运算和逆文档频率运算,得到测试分词集合对应的词频和逆文档频率,根据测试分词集合对应的词频和逆文档频率,确定测试分词集合的取值,该取值的取值大小可表示测试分词集合的重要程度。
进一步说明,当根据测试分词集合的重要程度,确定校验关键字集合时,可预先设定重要程度范围,判断测试分词集合中各测试分词的重要程度是否属于重要程度范围,并将重要程度属于重要程度范围的测试分词,作为校验关键字集合。
步骤204,根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
需要说明的是,由于不同功能关键字对应的校验关键字不同,因此,分别根据各功能关键字对应的校验关键字对待校验需求文本进行校验,得到待校验需求文本针对各功能关键字的校验子结果,根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
进一步说明,对待校验文本的校验过程指的是判断待校验文本中是否包含每一校验关键字,因此,校验子结果指的是待校验需求中包含校验关键字的数量和不包含校验关键字的数量。
在本申请的一种实施例中,针对某一功能关键字,判断待校验需求中是否包含该功能关键字对应的校验关键字,并将待校验需求中包含校验关键字的数量和不包含校验关键字的数量,作为待校验需求文本针对该功能关键字的校验子结果。
进一步说明,可根据预先设定的结果生成规则,实现根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在本申请的一种实施例中,若结果生成规则为当每一功能关键字对应的校验关键字均存在于待校验需求文本中,则确定待校验需求文本的校验结果为通过,反之,若存在某一功能关键字对应的校验关键字不存在于待校验需求文本中,则确定待校验需求文本的校验结果为不通过。则确定各功能关键字的校验子结果中不包含校验关键字的数量是否均为零,若是,则确定待校验需求文本的校验结果为通过。
在本申请的另一种实施例中,若结果生成规则为不存在于待校验需求文本中的校验关键字的数量小于10个,则确定待校验需求文本的校验结果为通过,反之,若不存在于待校验需求文本中的校验关键字的数量大于或者等于10个,则确定待校验需求文本的校验结果为不通过。则确定各功能关键字的校验子结果中不包含校验关键字的数量总和,若数量总和为9,则确定待校验需求文本的校验结果为通过。
上述需求校验方法,获取待校验需求文对应的相似需求文本集合,以及相似需求文本集合对应的需求测试用例,通过待校验需求文本、相似需求文本集合和需求测试用例集合,确定功能关键字集合对应的校验关键字;进而,根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果。由于上述过程中会根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果,实现了对待校验需求文本的正确性和完整性进行校验,防止在待校验需求的处理过程中发现待校验需求中存在错误或者完整性缺失,从而影响整个软件的开发流程和开发进度;并且,由于功能关键字集合对应的校验关键字是根据待校验需求文本、相似需求文本集合和需求测试用例集合确定的,因此,在根据各功能关键字对应的校验关键字确定校验结果的过程中,结合了相似需求文本集合,以及需求测试用例集合,使得校验结果的准确性更高,保证了校验结果能够准确反应待校验需求文本的正确性和完整性。
在一种实施例中,若在对需求进行处理的过程中发现需求中存在问题,则需要对已完成开发的内容进行调整和修复,为防止上述问题导致整个软件的开发流程与开发进度受到影响,可如图3所示,根据待校验需求文本和相似需求文本集合,确定功能关键字集合,具体可包括以下内容:
步骤301,对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合。
在本申请的一种实施例中,可基于字典分词方法,对待校验需求文本和相似需求文本集合进行分词处理,具体的;将待校验需求文本和相似需求文本集合中的每一字符串,分别与字典中的词条进行匹配,若在字典中确定与某一字符串匹配的词条,则将该字符串,作为需求分词结果中的需求分词。
在本申请的另一种实施例中,可基于统计分词方法,对待校验需求文本和相似需求文本集合进行分词处理,具体的:统计待校验需求文本和相似需求文本集合中每一字符串的出现次数,并将出现次数大于次数阈值的字符串,作为需求分词结果中的需求分词。
在本申请的又一种实施例中,可基于隐马尔科夫模型(Hidden Markov Model,HMM),对待校验需求文本和相似需求文本集合进行分词处理,具体的:将待校验需求文本和相似需求文本集合输入至隐马尔科夫模型,并获取隐马尔科夫模型的输出结果,该输出结果即为需求分词集合。
步骤302,根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值。
需要说明的是,当需要确定各需求分词的取值时,具体可包括以下内容:对各需求分词进行词频运算,得到各需求分词对应的词频;对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率;根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在本申请的一种实施例中,当需要确定各需求分词对应的词频时,可将各需求分词在待校验需求文本和相似需求文本集合中的出现次数代入计算公式(1),计算公式(1)的输出结果即为各需求分词对应的词频,计算公式(1)如下所示:
其中,wi指的是相似需求文本集合,指的是相似需求文本集合中的某一需求文本;/>指的是相似需求文本集合中的某一需求文本的词频;/>指的是某一需求文本在待校验需求文本和相似需求文本集合的出现次数。
在本申请的另一种实施例中,当需要确定各需求分词对应的逆文档频率时,可将待校验需求文本和相似需求文本集合中包含各需求分词的文本数量代入计算公式(2),计算公式(2)的输出结果即为各需求分词对应的逆文档频率,计算公式(2)如下所示:
其中,W指的是相似需求文本集合,指的是相似需求文本集合中的某一需求文本;/>指的是相似需求文本集合中的某一需求文本的逆文档频率;指的是需求分词在待校验需求文本和相似需求文本集合包含某一需求分词的文本数量。
在本申请的又一种实施例中,当需要确定各需求分词的取值时,可将各需求分词对应的词频和各需求分词对应的逆文档频率进行乘积运算,所得到的乘积运算结果即为各需求分词的取值;综上内容,可得到计算公式(3),通过将各需求分词对应的词频和各需求分词对应的逆文档频率代入计算公式(3),计算公式(3)的输出结果即为各需求分词的取值,计算公式(3)如下所示:
其中,指的是相似需求文本集合中的某一需求文本;/>指的是相似需求文本集合中的某一需求文本的词频;/>指的是相似需求文本集合中的某一需求文本的逆文档频率;/>指的是某一需求文本的取值。
步骤303,根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在本申请的一种实施例中,当需要确定功能关键字集合时,具体可包括以下内容:从各需求分词对应的取值中,确定最大取值和最小取值;根据最大取值和最小取值,确定功能加权取值范围;将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
进一步说明,当需要根据最大取值和最小取值,确定功能加权取值范围时,可将最小取值与第一非负实数进行相加,所得到的结果即为加权取值范围的下限,将最大取值与第二非负实数进行相加,所得到的结果即为加权取值范围的上限。
综上内容,可确定加权取值范围的表达式(4)如下所示:
其中,指的是最大取值;/>指的是最小取值;ξ1指的是第一非负实数;ξ2指的是第二非负实数。
在本申请的另一种实施例中,当需要确定功能关键字集合时,具体可包括以下内容:从各需求分词对应的取值中,确定中位取值和最小取值;根据中位取值和最小取值,确定功能加权取值范围;将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
其中,中位取值指的是需求分词对应的取值中的中位数。
进一步说明,当需要根据中位取值和最小取值,确定功能加权取值范围时,可将最小取值与第一非负实数进行相加,所得到的结果即为加权取值范围的下限,将中位取值与第二非负实数进行相加,所得到的结果即为加权取值范围的上限。
综上内容,可确定加权取值范围的表达式(5)如下所示:
其中,指的是中位取值;/>指的是最小取值;ξ1指的是第一非负实数;ξ2指的是第二非负实数。
上述需求校验方法,通过确定需求分词集合,为后续确定功能关键字提供了数据基础,并且通过确定需求分词集合中各需求分词的取值,实现了根据各需求分词的取值,从各需求分词中确定功能关键字集合。保证了后续根据功能关键字集合待校验需求文本的校验结果的准确性。
在一种实施例中,如图4所示,当需要从需求测试用例集合中提取功能关键字集合对应的校验关键字时,具体可包括以下内容:
步骤401,根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合。
需要说明的是,由于目标测试用例与功能关键字具有某一相同的特性,例如:目标测试用例与功能关键字针对同一需求功能,或者,目标测试用例与功能关键字针对同一需求业务场景;因此,从需求测试用例集合中遍历查找与功能关键字集合中各功能关键字具有相同特性的目标测试用例,从而得到各功能关键字对应的目标测试用例集合。
在本申请的一种实施例中,若目标测试用例与功能关键字针对同一需求功能,则当需要获取各功能关键字对应的目标测试用例集合时,可将从需求测试用例集合中遍历查找与功能关键字集合中各功能关键字针对同一需求功能的目标测试用例,从而实现对功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合。
在本申请的另一种实施例中,若目标测试用例与功能关键字针对同一需求业务场景,则当需要获取各功能关键字对应的目标测试用例集合时,可将从需求测试用例集合中遍历查找与功能关键字集合中各功能关键字针对同一需求业务场景的目标测试用例,从而实现对功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合。
步骤402,对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
需要说明的是,当需要确定功能关键字集合对应的校验关键字时,具体可包括以下内容:对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在本申请的一种实施例中,由于当需要根据各测试分词的词频和逆文档频率,得到各测试分词的取值时,可将各测试分词在目标测试用例集合中的出现次数代入计算公式(1),得到计算公式(1)的输出结果即为各测试分词的词频;将目标测试用例集合包含各需求分词的目标测试用例数量代入计算公式(2),得到计算公式(2)的输出结果即为各测试分词对应的逆文档频率;将各测试分词的词频和各测试分词对应的逆文档频率代入计算公式(3),计算公式(3)的输出结果即为各测试分词的取值。
上述需求校验方法,通过确定各功能关键字对应的目标测试用例集合,并且从各功能关键字对应的目标测试用例集合中,确定功能关键字集合对应的校验关键字。为后续确定待校验需求文本的校验结果提供了数据基础,保证了校验结果能够准确反应待校验需求文本的实际情况。
在一种实施例中,如图5所示,当需要根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果时,具体可包括以下内容:
步骤501,确定各功能关键字对应的校验关键字中包含异常关键字的异常数量。
其中,异常关键字为不存在于待校验需求内的校验关键字。
需要说明的是,可验证各功能关键字对应的校验关键字是否均存在于待校验需求文本中,并确定各功能关键字对应的校验关键字中,哪些校验关键字存在于待校验需求文本中,哪些校验关键字不存在于待校验需求文本中;进而,对不存在于待校验需求文本中的校验关键字进行数量统计,所得到的结果即为各功能关键字对应的校验关键字中包含异常关键字的异常数量。
步骤502,根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果。
由于,针对各功能关键字的校验子结果指的是待校验需求中包含各功能关键字的校验关键字的数量和不包含各功能关键字的校验关键字的数量。因此,当需要确定待校验需求针对各功能关键字的校验子结果时,可根据各功能关键字对应的校验关键字中包含异常关键字的异常数量,确定待校验需求中包含各功能关键字的校验关键字的数量和不包含各功能关键字的校验关键字的数量,进而,确定待校验需求针对各功能关键字的校验子结果。
在本申请的一种实施例中,针对某一功能关键字,当需要确定该功能关键字的校验子结果时,可将该功能关键字对应的异常数量作为待校验需求文本中不包含该功能关键字的校验关键字的数量,用该功能关键字包含校验关键字的总数量与异常数量进行差值运算,所得到的差值,即为待校验需求文本中包含该功能关键字的校验关键字的数量,进而,根据待校验需求文本中不包含该功能关键字的校验关键字的数量,以及待校验需求文本中包含该功能关键字的校验关键字的数量,确定待校验需求针对该功能关键字的校验子结果。
步骤503,根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
需要说明的是,为保证在对待校验需求文本进行处理的过程中不会由于待校验需求文本中存在问题,而对已完成开发的内容进行调整和修复,因此,可规定当每一功能关键字对应的校验关键字均存在于待校验需求文本中,则确定待校验需求文本的校验结果为通过,反之,若存在某一功能关键字对应的校验关键字不存在于待校验需求文本中,则确定待校验需求文本的校验结果为不通过。
进一步的,当根据上述规定确定待校验需求文本的校验结果时,可各功能关键字的校验子结果中不包含校验关键字的数量是否均为零;若为零,则确定待校验需求文本的校验结果为通过。若不为零,则确定待校验需求文本的校验结果为不通过。
上述需求校验方法,通过确定待校验需求针对各功能关键字的校验子结果,实现针对各功能关键字的校验子结果进行总和评估,进而确定待校验需求文本的校验结果,保证了待校验需求文本的校验结果能够更符合待校验需求文本的实际情况。
在一种实施例中,如图6所示,当需要从历史需求文本中确定与待校验需求文本对应的相似需求文本集合时,具体可包括以下内容:
步骤601,确定历史需求文本和待校验需求文本的文本相似度。
需要说明的是,可通过确定历史需求文本和待校验需求文本的jaccard(杰卡德系数)系数,进而,通过jaccard系数的系数取值大小作为历史需求文本和待校验需求文本的文本相似度。
进一步说明,jaccard系数的系数取值越大,则表示历史需求文本和待校验需求文本的文本相似度越高;jaccard系数的系数取值越小,则表示历史需求文本和待校验需求文本的文本相似度越低。
在本申请的一种实施例中,可通过分别对历史需求文本和待校验需求文本进行分词处理,得到历史需求文本的第一分词集合和待校验需求文本的第二分词集合;通过将第一分词集合和第二分词集合代入计算公式(6),得到计算公式(6)的输出结果,该输出结果即为历史需求文本和待校验需求文本的jaccard系数(文本相似度)。
计算公式(6)如下所示:
其中,w0指的是第一分词集合,wi指的是第二分词集合,Ji(w0,wi)指的是第一分词集合和第二分词集合的jaccard系数,即为历史需求文本和待校验需求文本的jaccard系数。
步骤602,根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
在本申请的一种实施例中,当需要确定与待校验需求文本对应的相似需求文本集合时,可按照各历史需求文本的jaccard系数(即为文本相似度)由高到低的顺序,对各历史需求文本进行排序,并将排序后位于前百分之n的历史需求文本作为与待校验需求文本对应的相似需求文本集合。
其中,百分之n的取值可根据用户的实际需求进行调整,在此不对百分之n的取值范围进行限定,例如:百分之n可以为百分之三十。
上述需求校验方法,通过确定文本相似度,实现了从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,保证了后续待校验需求文本的校验结果能够顺利确定。
在一种实施例中,如图7所示,当需要确定待校验需求文本的校验结果时,具体可包括以下内容:
步骤701,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合。
步骤702,对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合。
步骤703,对各需求分词进行词频运算,得到各需求分词对应的词频。
步骤704,对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率。
步骤705,根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
步骤706,从各需求分词对应的取值中,确定最大取值和最小取值。
步骤707,根据最大取值和最小取值,确定功能加权取值范围。
步骤708,将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
步骤709,根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合。
步骤710,对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
步骤711,确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字。
步骤712,根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果。
步骤713,根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
上述需求校验方法,获取待校验需求文对应的相似需求文本集合,以及相似需求文本集合对应的需求测试用例,通过待校验需求文本、相似需求文本集合和需求测试用例集合,确定功能关键字集合对应的校验关键字;进而,根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果。由于上述过程中会根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果,实现了对待校验需求文本的正确性和完整性进行校验,防止在待校验需求的处理过程中发现待校验需求中存在错误或者完整性缺失,从而影响整个软件的开发流程和开发进度;并且,由于功能关键字集合对应的校验关键字是根据待校验需求文本、相似需求文本集合和需求测试用例集合确定的,因此,在根据各功能关键字对应的校验关键字确定校验结果的过程中,结合了相似需求文本集合,以及需求测试用例集合,使得校验结果的准确性更高,保证了校验结果能够准确反应待校验需求文本的正确性和完整性。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的需求校验方法的需求校验装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个需求校验装置实施例中的具体限定可以参见上文中对于需求校验方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种需求校验装置,包括:第一确定模块10、第二确定模块20、提取模块30和第三确定模块40,其中:
第一确定模块10,用于从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合。
第二确定模块20,用于根据待校验需求文本和相似需求文本集合,确定功能关键字集合。
提取模块30,用于从需求测试用例集合中提取功能关键字集合对应的校验关键字。
第三确定模块40,用于根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
上述需求校验装置,获取待校验需求文对应的相似需求文本集合,以及相似需求文本集合对应的需求测试用例,通过待校验需求文本、相似需求文本集合和需求测试用例集合,确定功能关键字集合对应的校验关键字;进而,根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果。由于上述过程中会根据功能关键字集合对应的校验关键字,确定待校验需求文本的校验结果,实现了对待校验需求文本的正确性和完整性进行校验,防止在待校验需求的处理过程中发现待校验需求中存在错误或者完整性缺失,从而影响整个软件的开发流程和开发进度;并且,由于功能关键字集合对应的校验关键字是根据待校验需求文本、相似需求文本集合和需求测试用例集合确定的,因此,在根据各功能关键字对应的校验关键字确定校验结果的过程中,结合了相似需求文本集合,以及需求测试用例集合,使得校验结果的准确性更高,保证了校验结果能够准确反应待校验需求文本的正确性和完整性。
在一个实施例中,如图9所示,提供了一种需求校验装置,该需求校验装置中第二确定模块20包括:第一处理单元21、第一确定单元22和第二确定单元23,其中:
第一处理单元21,用于对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合。
第一确定单元22,用于根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值。
第二确定单元23,用于根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在一个实施例中,如图10所示,提供了一种需求校验装置,该需求校验装置中第一确定单元22包括:第一运算子单元221、第二运算子单元222和第一确定子单元223,其中:
第一运算子单元221,用于对各需求分词进行词频运算,得到各需求分词对应的词频。
第二运算子单元222,用于对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率。
第一确定子单元223,用于根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在一个实施例中,如图11所示,提供了一种需求校验装置,该需求校验装置中第二确定单元23包括:第二确定子单元231、第三确定子单元232和第四确定子单元233,其中:
第二确定子单元231,用于从各需求分词对应的取值中,确定最大取值和最小取值。
第三确定子单元232,用于根据最大取值和最小取值,确定功能加权取值范围。
第四确定子单元233,用于将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
在一个实施例中,如图12所示,提供了一种需求校验装置,该需求校验装置中提取模块30包括:第二处理单元31和提取单元32,其中:
第二处理单元31,用于根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合。
提取单元32,用于对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
在一个实施例中,如图13所示,提供了一种需求校验装置,该需求校验装置中提取单元32包括:处理子单元321、第五确定子单元322和第六确定子单元323,其中:
处理子单元321,用于对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合。
第一确定子单元322,用于根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值。
第二确定子单元323,用于根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在一个实施例中,如图14所示,提供了一种需求校验装置,该需求校验装置中第三确定模块40包括:第三确定单元41、第四确定单元42和第五确定单元43,其中:
第三确定单元41,用于确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字。
第四确定单元42,用于根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果。
第五确定单元43,用于根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在一个实施例中,如图15所示,提供了一种需求校验装置,该需求校验装置中第一确定模块10包括:第六确定单元11和第七确定单元12,其中:
第六确定单元11,用于确定历史需求文本和待校验需求文本的文本相似度。
第七确定单元12,用于根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
上述需求校验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图16所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种需求校验方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合;
根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值;
根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各需求分词进行词频运算,得到各需求分词对应的词频;
对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率;
根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从各需求分词对应的取值中,确定最大取值和最小取值;
根据最大取值和最小取值,确定功能加权取值范围;
将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合;
对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;
根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;
根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字;
根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果;
根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定历史需求文本和待校验需求文本的文本相似度;
根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合;
根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值;
根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各需求分词进行词频运算,得到各需求分词对应的词频;
对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率;
根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从各需求分词对应的取值中,确定最大取值和最小取值;
根据最大取值和最小取值,确定功能加权取值范围;
将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合;
对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;
根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;
根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字;
根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果;
根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定历史需求文本和待校验需求文本的文本相似度;
根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
在一个实施例中,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以下步骤:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定相似需求文本集合对应的需求测试用例集合;
根据待校验需求文本和相似需求文本集合,确定功能关键字集合;
从需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据待校验需求文本与各功能关键字对应的校验关键字,确定待校验需求文本的校验结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待校验需求文本和相似需求文本集合进行分词处理,得到需求分词集合;
根据需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值;
根据各需求分词的取值,从各需求分词中确定功能关键字集合。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各需求分词进行词频运算,得到各需求分词对应的词频;
对各需求分词进行逆文档频率运算,得到各需求分词对应的逆文档频率;
根据各需求分词对应的词频和各需求分词对应的逆文档频率,确定各需求分词的取值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从各需求分词对应的取值中,确定最大取值和最小取值;
根据最大取值和最小取值,确定功能加权取值范围;
将取值属于功能加权取值范围的需求分词作为功能关键字集合中的功能关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据功能关键字集合中的各功能关键字对需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合;
对各功能关键字对应的目标测试用例集合进行关键字提取,得到功能关键字集合对应的校验关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;
根据测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;
根据各测试分词的取值,确定各功能关键字对应的校验关键字。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,异常关键字为不存在于待校验需求内的校验关键字;
根据各功能关键字对应的异常数量,确定待校验需求针对各功能关键字的校验子结果;
根据待校验需求文本针对各功能关键字的校验子结果,确定待校验需求文本的校验结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定历史需求文本和待校验需求文本的文本相似度;
根据文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种需求校验方法,其特征在于,所述方法包括:
从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定所述相似需求文本集合对应的需求测试用例集合;
根据所述待校验需求文本和所述相似需求文本集合,确定功能关键字集合;
从所述需求测试用例集合中提取功能关键字集合对应的校验关键字;
根据所述待校验需求文本与各功能关键字对应的校验关键字,确定所述待校验需求文本的校验结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待校验需求文本和所述相似需求文本集合,确定功能关键字集合,包括:
对所述待校验需求文本和所述相似需求文本集合进行分词处理,得到需求分词集合;
根据所述需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值;
根据各所述需求分词的取值,从各所述需求分词中确定功能关键字集合。
3.根据权利要求2所述的方法,其特征在于,所述根据所述需求分词集合中各需求分词的词频和逆文档频率,确定各需求分词的取值,包括:
对各所述需求分词进行词频运算,得到各所述需求分词对应的词频;
对各所述需求分词进行逆文档频率运算,得到各所述需求分词对应的逆文档频率;
根据各所述需求分词对应的词频和各所述需求分词对应的逆文档频率,确定各需求分词的取值。
4.根据权利要求2或3所述的方法,其特征在于,所述根据各所述需求分词对应的取值,从各所述需求分词中确定功能关键字集合,包括:
从各所述需求分词对应的取值中,确定最大取值和最小取值;
根据所述最大取值和所述最小取值,确定功能加权取值范围;
将取值属于所述功能加权取值范围的需求分词作为所述功能关键字集合中的功能关键字。
5.根据权利要求1-3中任意一项所述的方法,其特征在于,所述从所述需求测试用例集合中提取功能关键字集合对应的校验关键字,包括:
根据所述功能关键字集合中的各功能关键字对所述需求测试用例集合进行分类处理,得到各功能关键字对应的目标测试用例集合;
对各功能关键字对应的目标测试用例集合进行关键字提取,得到所述功能关键字集合对应的校验关键字。
6.根据权利要求5所述的方法,其特征在于,所述对各功能关键字对应的目标测试用例集合进行关键字提取,得到所述功能关键字集合对应的校验关键字,包括:
对各功能关键字对应的目标测试用例集合进行分词处理,得到测试分词集合;
根据所述测试分词集合中各测试分词的词频和逆文档频率,得到各测试分词的取值;
根据各测试分词的取值,确定各功能关键字对应的校验关键字。
7.根据权利要求1所述的方法,其特征在于,所述根据所述待校验需求文本与各功能关键字对应的校验关键字,确定所述待校验需求文本的校验结果,包括:
确定各功能关键字对应的校验关键字中包含异常关键字的异常数量,所述异常关键字为不存在于所述待校验需求内的校验关键字;
根据各功能关键字对应的异常数量,确定所述待校验需求针对各功能关键字的校验子结果;
根据所述待校验需求文本针对各功能关键字的校验子结果,确定所述待校验需求文本的校验结果。
8.根据权利要求1所述的方法,其特征在于,所述从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,包括:
确定所述历史需求文本和待校验需求文本的文本相似度;
根据所述文本相似度,从历史需求文本中确定与待校验需求文本对应的相似需求文本集合。
9.一种需求校验装置,其特征在于,所述装置包括:
第一确定模块,用于从历史需求文本中确定与待校验需求文本对应的相似需求文本集合,以及确定所述相似需求文本集合对应的需求测试用例集合;
第二确定模块,用于根据所述待校验需求文本和所述相似需求文本集合,确定功能关键字集合;
提取模块,用于从所述需求测试用例集合中提取功能关键字集合对应的校验关键字;
第三确定模块,用于根据所述待校验需求文本与各功能关键字对应的校验关键字,确定所述待校验需求文本的校验结果。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一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,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303973.8A CN117407291A (zh) | 2023-10-09 | 2023-10-09 | 需求校验方法、装置、计算机设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303973.8A CN117407291A (zh) | 2023-10-09 | 2023-10-09 | 需求校验方法、装置、计算机设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117407291A true CN117407291A (zh) | 2024-01-16 |
Family
ID=89491797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311303973.8A Pending CN117407291A (zh) | 2023-10-09 | 2023-10-09 | 需求校验方法、装置、计算机设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117407291A (zh) |
-
2023
- 2023-10-09 CN CN202311303973.8A patent/CN117407291A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110366734B (zh) | 优化神经网络架构 | |
WO2020077824A1 (zh) | 异常问题的定位方法、装置、设备及存储介质 | |
US20230102337A1 (en) | Method and apparatus for training recommendation model, computer device, and storage medium | |
CN108288067A (zh) | 图像文本匹配模型的训练方法、双向搜索方法及相关装置 | |
WO2021208727A1 (zh) | 基于人工智能的文本错误检测方法、装置、计算机设备 | |
WO2022048363A1 (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
US11763583B2 (en) | Identifying matching fonts utilizing deep learning | |
WO2023138188A1 (zh) | 特征融合模型训练及样本检索方法、装置和计算机设备 | |
CN113449187A (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
CN111581092A (zh) | 仿真测试数据的生成方法、计算机设备及存储介质 | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
Aralikatte et al. | Fault in your stars: an analysis of android app reviews | |
CN115795000A (zh) | 基于联合相似度算法对比的围标识别方法和装置 | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
CN111062034A (zh) | 一种Webshell文件检测方法、装置、电子设备及存储介质 | |
CN111950265A (zh) | 一种领域词库构建方法和装置 | |
CN112417147A (zh) | 训练样本的选取方法与装置 | |
CN108229572B (zh) | 一种参数寻优方法及计算设备 | |
CN117407291A (zh) | 需求校验方法、装置、计算机设备及其存储介质 | |
CN114580398A (zh) | 文本信息提取模型生成方法、文本信息提取方法和装置 | |
CN107402886A (zh) | 堆栈分析方法及相关装置 | |
CN113836005A (zh) | 一种虚拟用户的生成方法、装置、电子设备和存储介质 | |
CN112328787B (zh) | 文本分类模型训练方法、装置、终端设备及存储介质 | |
CN115167913B (zh) | 一种操作系统的分层方法、计算设备及存储介质 | |
CN112347738B (zh) | 基于裁判文书的双向编码器表征量模型优化方法和装置 |
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 |