CN117421207A - 智能评估影响点测试方法、装置、计算机设备及存储介质 - Google Patents
智能评估影响点测试方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117421207A CN117421207A CN202311316559.0A CN202311316559A CN117421207A CN 117421207 A CN117421207 A CN 117421207A CN 202311316559 A CN202311316559 A CN 202311316559A CN 117421207 A CN117421207 A CN 117421207A
- Authority
- CN
- China
- Prior art keywords
- test case
- historical
- new
- requirement
- influence
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 262
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 238000010998 test method Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000033772 system development Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012552 review Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009863 impact test Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static 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
- G06F11/3676—Test management for coverage analysis
-
- 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
- G06F11/368—Test management for test version control, e.g. updating test cases to a new software version
-
- 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
-
- 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)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请属于计算机技术领域,涉及一种智能评估影响点测试方法,包括依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果。本申请还提供一种智能评估影响点测试装置、计算机设备及存储介质。本申请提供的智能评估影响点测试方案,可提升业务系统开发、升级的效率和质量。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及智能评估影响点测试方法、装置、计算机设备及存储介质。
背景技术
保险公司拥有众多业务系统,涉及业务繁杂,且版本发布繁琐,各需求业务之间也经常有许多关联。所以在业务系统迭代开发中,需求评审、测试用例评审环境尤为重要,如此庞大的业务量,高效、准确评审是提升业务系统开发效率与质量的重要因素。
现有的方案中,在对业务系统的需求评审、测试用例设计均依赖人工经验,如遇人员调整、变动,或者考虑欠缺,往往会造成影响点遗漏,功能覆盖不全的问题。同时由于测试用例未统一管理沉淀,不同业务系统版本之间测试用例复用率低下,也是极大的资源损耗。
发明内容
本申请实施例的目的在于提出一种智能评估影响点测试方法、装置、计算机设备及存储介质,其主要目的是提供一种高效、可靠地业务系统影响点测试方案,以保证业务系统开发、升级的效率和质量。
为了解决上述技术问题,本申请实施例提供一种智能评估影响点测试方法,采用了如下所述的技术方案:
依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;
依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;
依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果,其中,所述评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
进一步的,在所述依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤之前,所述方法还包括:
对业务系统中已上线需求进行拆分,得到历史需求、各历史需求详情文档链接、各所述历史需求的上线日期;
分别依据各所述历史需求的类型和所属业务系统,为所述历史需求添加需求标签;
依据各所述历史需求的需求标签、各所述历史需求详情文档链接以及各所述历史需求的上线日期,构建需求要素表。
进一步的,在所述依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤之前,所述方法还包括:
对业务系统中已上线需求进行拆分,确定各历史需求对应的历史测试用例、各所述历史测试用例的类别;
分别依据各所述历史测试用例类型和功能,为所述历史测试用例添加用例标签;
依据各所述历史测试用例的用例标签、各所述历史测试用例类型、功能以及所属业务系统,构建测试用例要素表。
进一步的,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤,包括:
从预先构建的需求要素表中获取与新需求在同业务系统下、同上线周期内上线的各总历史需求;
确定各所述总历史需求数中被标记为新增需求的第一数量,和被标记为修改需求的第二数量;
从预先构建的测试用例要素表中查询各所述新增需求、各所述修改需求对应的第一测试用例;
确定各所述新增需求对应的第一测试用例的第三数量,各所述修改需求对应的第一测试用例的第四数量;
依据所述第一数量、所述第二数量、所述第三数量、所述第四数量为各所述第一测试用例生成影响度标签。
进一步的,所述依据所述第一数量、所述第二数量、所述第三数量、所述第四数量为各所述第一测试用例生成影响度标签的步骤,包括:
计算所述第三数量与所述第一数量的第一比值,所述第四数量与所述第二数量的第二比值;
依据所述第一比值和所述第二比值的大小关系,确定所述业务系统的类型;
依据所述业务系统的类型为各所述第一测试用例标记影响度标签。
进一步的,依据所述第一比值和所述第二比值的大小关系,确定所述业务系统的类型的步骤,包括:
在所述第一比值大于所述第二比值的情况下,确定所述业务系统为新系统;
在所述第一比值小于或等于所述第二比值的情况下,确定所述业务系统为老系统。
进一步的,所述依据所述业务系统的类型为各所述第一测试用例标记影响度标签的步骤包括:
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第一影响度标签,并将各所述第一测试用例添加至关联特征值表中;
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第二影响度标签,并将各所述第一测试用例添加至关联特征值表中;
其中,所述第一影响度标签的影响度小于所述第二影响度标签的影响度。
为了解决上述技术问题,本申请实施例还提供一种智能评估影响点测试装置,该装置包括如下功能模块:
第一确定模块,用于依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;
第二确定模块,用于依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;
第三确定模块,用于依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果,其中,所述评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
该计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所列举的任意一种智能评估影响点测试方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
该计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述列举的任意一种智能评估影响点测试方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例提供的智能评估影响点测试方案,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定新需求对应的各第一测试用例;依据预先构建的需求要素表,确定每个第一测试用例关联的历史需求个数;依据每个第一测试用例对应的影响度标签、关联的历史需求个数,确定新需求的评估测试结果。本申请提供的方案,预先建立业务系统的需求点和测试用例知识库即需求要素表、测试用例要素表,通过这两个要素表不仅关联了测试用例和需求点,同时也对不同需求的影响进行标签分类,后续进行需求影响即影响点测试时,可以快速从知识库中查找同类影响点复用对应的测试用例,能够提高对业务系统进行分析评审的效率,对影响点的分析更全面、可靠,最终提升业务系统开发、升级的效率和质量。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的智能评估影响点测试方法的一个实施例的流程图;
图3是根据本申请的双向追溯模型示意图;
图4是根据本申请的智能评估影响点测试装置的一个实施例的结构示意图;
图5是图4所示第一确定模块的一种具体实施方式的结构示意图;
图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、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、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、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,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的智能评估影响点测试方法一般由服务器/终端设备执行,相应地,医疗主体推荐装置一般设置于服务器/终端设备中。
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。
继续参考图2,示出了根据本申请的智能评估影响点测试方法的一个实施例的流程图。所述的智能评估影响点测试方法,包括以下步骤:
步骤S201,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定新需求对应的各第一测试用例。
在本实施例中,智能评估影响点测试方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式接收或者获取用户的历史就诊信息或用户本次就诊输入的相关信息。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
一种可选地依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定新需求对应的各第一测试用例的方式可以包括如下子步骤:
子步骤一:从预先构建的需求要素表中获取与新需求在同业务系统下、同上线周期内上线的各总历史需求;
需求要素表的构建时,主要通过将包含契约、保全、财务等各业务系统已上线的历史需求拆分成需求点、需求详情文档链接、上线日期,并以测试人员人工经验给该需求根据是新增、修改、所属业务系统打上标签分类,例如:财务系统-凭证核验-新增功能-需求点A,下文对为历史需求所添加的标签简称“需求标签”。需求要素表中包含多个历史需求,每个历史需求均被添加有需求标签,通过需求标签可以确定历史需求所属业务系统、上线日期、为新需还是修改类型的需求等信息。
子步骤二:确定各总历史需求数中被标记为新增需求的第一数量,和被标记为修改需求的第二数量;
子步骤三:从预先构建的测试用例要素表中查询各新增需求、各修改需求对应的第一测试用例;
测试用例要素表中包含多个测试用例信息,每个测试用例信息包括:业务系统、用例类别、用例测试点,测试用例也需要由人工根据历史经验打上标签分类,例如:财务系统-凭证核验-新增功能-需求点A-用例测试点a,下文将为测试用例添加的标签简称“用例标签”。
子步骤四:确定各新增需求对应的第一测试用例的第三数量,各修改需求对应的第一测试用例的第四数量;
正向追溯查询:拿到新需求,先到需求要素表,按照各业务系统下,取出同一上线周期内(比如上个月)上线的总需求数包含的总需求点个数β,其中新增需求数β1即第一数量,修改需求数β2即第二数量,分别β1、β2将作为入参,到测试用例要素表中检索出匹配上关键字的第一测试用例数量,并确定新增历史需求对应的第一测试用例数γ1即第三数量、修改历史需求对应的第一测试用例数数γ2即第四数量。
子步骤五:依据第一数量、第二数量、第三数量、第四数量为各第一测试用例生成影响度标签。
其中,每个第一测试用例对应一个影响度标签,为第一测试用例添加影响度标签后,将该第一测试用例存入关联特征值表以供后续使用。
一种可选地实施例中,依据第一数量、第二数量、第三数量、第四数量为各第一测试用例生成影响度标签的方式可以包括如下子步骤:
S1:计算第三数量与第一数量的第一比值,第四数量与第二数量的第二比值;
S2:依据第一比值和第二比值的大小关系,确定业务系统的类型;
更为具体地,依据第一比值和第二比值的大小关系,确定业务系统的类型时,在第一比值大于第二比值的情况下,确定业务系统为新系统;在第一比值小于或等于第二比值的情况下,确定业务系统为老系统。
S3:依据业务系统的类型为各第一测试用例标记影响度标签。
更为具体地,依据业务系统的类型为各第一测试用例标记影响度标签时,在业务系统为新系统的情况下,为各第一测试用例标记第一影响度标签,并将各第一测试用例添加至关联特征值表中;在业务系统为新系统的情况下,为各第一测试用例标记第二影响度标签,并将各第一测试用例添加至关联特征值表中;
其中,第一影响度标签的影响度小于第二影响度标签的影响度。也就是说,针对某一业务系统,如果该业务系统,γ1/β1>γ2/β2,代表较大概率为新系统、或者正在进行业务重构的系统,大部分需求为新增需求,对历史改动的影响较小,将匹配出来的测试用例都打上标签影响度小、且存入关联特征值表;反之,γ1/β1<γ2/β2,说明该业务系统可能是老系统,主要需求以维护优化原有功能为主,那么每次发版对历史改动的影响就大,同样给匹配上的用例打上标签影响度大,存入关联特征值表。
步骤S202,依据预先构建的需求要素表,确定每个第一测试用例关联的历史需求个数。
本步骤为反向追溯查询:针对每一个第一测试用例,拿到关联特征值表中的第一测试用例后,解析出其中的历史需求点又可称为历史需求、用例测试点,到需求要素表里面进行关键字反查,得出该测试用例关联上的历史需求点个数α,若α>1,说明该测试用例关联过多个需求,若α=1,说明该测试用例仅有唯一的需求点使用。
步骤S203,依据每个第一测试用例对应的影响度标签、关联的历史需求个数,确定新需求的评估测试结果。
其中,评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
经过正向、反向的双向追溯查询后,模型可以输出得到该新需求是属于新/老系统的、新增/修改功能、以及历史测试用例覆盖情况和用例分析点。以此进行评估复用案例和新需求对历史功能的改动影响。
在实际实现过程中,每个新需求上线后,均将新增或修改的需求、关联的测试用例,维护到知识库,随着知识库不断丰富,每次接到新需求,都可以使用此工具进行关联影响点抽取和测试用例复用,大大提高了分析效率,同时提高了影响点覆盖度,降低关联风险。
在一种可选地实施例中,在执行步骤S201之前预先通过如下方式构建需求要素表、测试用例要素表,具体构建方式如下所示:
预先构建的需求要素表的方式:
对业务系统中已上线需求进行拆分,得到历史需求、各历史需求详情文档链接、各历史需求的上线日期;分别依据各历史需求的类型和所属业务系统,为历史需求添加需求标签;依据各历史需求的需求标签、各历史需求详情文档链接以及各所述历史需求的上线日期,构建需求要素表。
该种可选地构建需求要素表的方式,所构建的需求要素表中各历史需求的信息全面、可靠且关联性强。
构建测试用例要素表的方式:
对业务系统中已上线需求进行拆分,确定各历史需求对应的历史测试用例、各历史测试用例的类别;分别依据各历史测试用例类型和功能,为历史测试用例添加用例标签;依据各历史测试用例的用例标签、各历史测试用例类型、功能以及所属业务系统,构建测试用例要素表。
该种可选地构建测试用例要素表的方式,所构建的测试用例要素表中各测试用例信息全面、可靠。
如图3所示,准备好上述基础数据即需求要素表和测试用例要素表(用例要素表)后,进行双向追溯查询(包括正向查询、反向查询)建立检索模型及关联特征值表,分别以需求点、测试用例测试点查询出在对方要素表的影响度,基于查询出的影响度为用例添加影响度标签并建立关联特征值表。基于关联特征值表、测试用例要素表为新增需求推荐用例即推荐测试用例。
本申请实施例提供的智能评估影响点测试方法,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定新需求对应的各第一测试用例;依据预先构建的需求要素表,确定每个第一测试用例关联的历史需求个数;依据每个第一测试用例对应的影响度标签、关联的历史需求个数,确定新需求的评估测试结果。本申请提供的方案,预先建立业务系统的需求点和测试用例知识库即需求要素表、测试用例要素表,通过这两个要素表不仅关联了测试用例和需求点,同时也对不同需求的影响进行标签分类,后续进行需求影响即影响点测试时,可以快速从知识库中查找同类影响点复用对应的测试用例,能够提高对业务系统进行分析评审的效率,对影响点的分析更全面、可靠,最终提升业务系统开发、升级的效率和质量。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。本申请基于大数据处理技术智能评估影响点测试。
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,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4,作为对上述图2所示方法的实现,本申请提供了一种智能评估影响点测试装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的智能评估影响点测试装置400包括:第一确定模块401、第一确定模块402以及第三确定模块403。
其中:
第一确定模块401,用于依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;
第二确定模块402,用于依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;
第三确定模块403,用于依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果,其中,所述评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
本申请实施例提供的智能评估影响点测试装置,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定新需求对应的各第一测试用例;依据预先构建的需求要素表,确定每个第一测试用例关联的历史需求个数;依据每个第一测试用例对应的影响度标签、关联的历史需求个数,确定新需求的评估测试结果。本申请提供的装置,预先建立业务系统的需求点和测试用例知识库即需求要素表、测试用例要素表,通过这两个要素表不仅关联了测试用例和需求点,同时也对不同需求的影响进行标签分类,后续进行需求影响即影响点测试时,可以快速从知识库中查找同类影响点复用对应的测试用例,能够提高对业务系统进行分析评审的效率,对影响点的分析更全面、可靠,最终提升业务系统开发、升级的效率和质量。
在本实施例的一些可选的实现方式中,智能评估影响点测试装置还包括:第一拆分模块、需求标签添加模块以及需求要素表生成模块;
第一拆分模块,用于在所述第一确定模块401依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例之前,对业务系统中已上线需求进行拆分,得到历史需求、各历史需求详情文档链接、各所述历史需求的上线日期;
需求标签添加模块,用于分别依据各所述历史需求的类型和所属业务系统,为所述历史需求添加需求标签;
需求要素表生成模块,用于依据各所述历史需求的需求标签、各所述历史需求详情文档链接以及各所述历史需求的上线日期,构建需求要素表。
在本实施例的一些可选的实现方式中,智能评估影响点测试装置还包括:第二拆分模块、用例标签添加模块以及用例要素表构建模块;
第二拆分模块,用于在所述第一确定模块401依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例之前,对业务系统中已上线需求进行拆分,确定各历史需求对应的历史测试用例、各所述历史测试用例的类别;
用例标签添加模块,用于分别依据各所述历史测试用例类型和功能,为所述历史测试用例添加用例标签;
用例要素表构建模块,用于依据各所述历史测试用例的用例标签、各所述历史测试用例类型、功能以及所属业务系统,构建测试用例要素表。
参阅图5,为第一确定模块401一种具体实施方式的结构示意图,第一确定模块401包括:获取子模块4011、第一数量确定子模块4012、查询子模块4013、第二数量确定子模块4014以及影响度标签生成子模块4015;
获取子模块4011,用于从预先构建的需求要素表中获取与新需求在同业务系统下、同上线周期内上线的各总历史需求;
第一数量确定子模块4012,用于确定各所述总历史需求数中被标记为新增需求的第一数量,和被标记为修改需求的第二数量;
查询子模块4013,从预先构建的测试用例要素表中查询各所述新增需求、各所述修改需求对应的第一测试用例;
第二数量确定子模块4014,用于确定各所述新增需求对应的第一测试用例的第三数量,各所述修改需求对应的第一测试用例的第四数量;
影响度标签生成子模块4015,用于依据所述第一数量、所述第二数量、所述第三数量、所述第四数量为各所述第一测试用例生成影响度标签。
在本实施例的一些可选的实现方式中,影响度标签生成子模块4015包括如下功能单元:
比值计算单元,用于计算所述第三数量与所述第一数量的第一比值,所述第四数量与所述第二数量的第二比值;
类型确定单元,用于依据所述第一比值和所述第二比值的大小关系,确定所述业务系统的类型;
标记单元,用于依据所述业务系统的类型为各所述第一测试用例标记影响度标签。
在本实施例的一些可选的实现方式中,所述类型确定单元具体用于:
在所述第一比值大于所述第二比值的情况下,确定所述业务系统为新系统;
在所述第一比值小于或等于所述第二比值的情况下,确定所述业务系统为老系统。
在本实施例的一些可选的实现方式中,用例标签添加模块具体用于:
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第一影响度标签,并将各所述第一测试用例添加至关联特征值表中;
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第二影响度标签,并将各所述第一测试用例添加至关联特征值表中;
其中,所述第一影响度标签的影响度小于所述第二影响度标签的影响度。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器6、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如智能评估影响点测试方法的计算机可读指令等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据,例如运行所述智能评估影响点测试方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请实施例提供的计算机设备,预先建立业务系统的需求点和测试用例知识库即需求要素表、测试用例要素表,通过这两个要素表不仅关联了测试用例和需求点,同时也对不同需求的影响进行标签分类,后续进行需求影响即影响点测试时,可以快速从知识库中查找同类影响点复用对应的测试用例,能够提高对业务系统进行分析评审的效率,对影响点的分析更全面、可靠,最终提升业务系统开发、升级的效率和质量。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的智能评估影响点测试方法的步骤。
本申请实施例提供的计算机可读存储介质,预先建立业务系统的需求点和测试用例知识库即需求要素表、测试用例要素表,通过这两个要素表不仅关联了测试用例和需求点,同时也对不同需求的影响进行标签分类,后续进行需求影响即影响点测试时,可以快速从知识库中查找同类影响点复用对应的测试用例,能够提高对业务系统进行分析评审的效率,对影响点的分析更全面、可靠,最终提升业务系统开发、升级的效率和质量。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种智能评估影响点测试方法,其特征在于,包括下述步骤:
依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;
依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;
依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果,其中,所述评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
2.根据权利要求1所述的方法,其特征在于,在所述依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤之前,所述方法还包括:
对业务系统中已上线需求进行拆分,得到历史需求、各历史需求详情文档链接、各所述历史需求的上线日期;
分别依据各所述历史需求的类型和所属业务系统,为所述历史需求添加需求标签;
依据各所述历史需求的需求标签、各所述历史需求详情文档链接以及各所述历史需求的上线日期,构建需求要素表。
3.根据权利要求1所述的方法,其特征在于,在所述依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤之前,所述方法还包括:
对业务系统中已上线需求进行拆分,确定各历史需求对应的历史测试用例、各所述历史测试用例的类别;
分别依据各所述历史测试用例类型和功能,为所述历史测试用例添加用例标签;
依据各所述历史测试用例的用例标签、各所述历史测试用例类型、功能以及所属业务系统,构建测试用例要素表。
4.根据权利要求1所述的方法,其特征在于,依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例的步骤,包括:
从预先构建的需求要素表中获取与新需求在同业务系统下、同上线周期内上线的各总历史需求;
确定各所述总历史需求数中被标记为新增需求的第一数量,和被标记为修改需求的第二数量;
从预先构建的测试用例要素表中查询各所述新增需求、各所述修改需求对应的第一测试用例;
确定各所述新增需求对应的第一测试用例的第三数量,各所述修改需求对应的第一测试用例的第四数量;
依据所述第一数量、所述第二数量、所述第三数量、所述第四数量为各所述第一测试用例生成影响度标签。
5.根据权利要求4所述的方法,其特征在于,所述依据所述第一数量、所述第二数量、所述第三数量、所述第四数量为各所述第一测试用例生成影响度标签的步骤,包括:
计算所述第三数量与所述第一数量的第一比值,所述第四数量与所述第二数量的第二比值;
依据所述第一比值和所述第二比值的大小关系,确定所述业务系统的类型;
依据所述业务系统的类型为各所述第一测试用例标记影响度标签。
6.根据权利要求5所述的方法,其特征在于,依据所述第一比值和所述第二比值的大小关系,确定所述业务系统的类型的步骤,包括:
在所述第一比值大于所述第二比值的情况下,确定所述业务系统为新系统;
在所述第一比值小于或等于所述第二比值的情况下,确定所述业务系统为老系统。
7.根据权利要求6所述的方法,其特征在于,所述依据所述业务系统的类型为各所述第一测试用例标记影响度标签的步骤包括:
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第一影响度标签,并将各所述第一测试用例添加至关联特征值表中;
在所述业务系统为新系统的情况下,为各所述第一测试用例标记第二影响度标签,并将各所述第一测试用例添加至关联特征值表中;
其中,所述第一影响度标签的影响度小于所述第二影响度标签的影响度。
8.一种智能评估影响点测试装置,其特征在于,包括下述模块:
第一确定模块,用于依据预先构建的需求要素表、测试用例要素表对新需求进行正向追溯查询,确定所述新需求对应的各第一测试用例,其中每个所述第一测试用例对应一个影响度标签;
第二确定模块,用于依据预先构建的所述需求要素表,确定每个所述第一测试用例关联的历史需求个数;
第三确定模块,用于依据每个所述第一测试用例对应的影响度标签、关联的历史需求个数,确定所述新需求的评估测试结果,其中,所述评估测试结果包括:新需求的类型、历史测试用例覆盖信息以及测试用例分析点。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的智能评估影响点测试方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的智能评估影响点测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316559.0A CN117421207A (zh) | 2023-10-11 | 2023-10-11 | 智能评估影响点测试方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316559.0A CN117421207A (zh) | 2023-10-11 | 2023-10-11 | 智能评估影响点测试方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117421207A true CN117421207A (zh) | 2024-01-19 |
Family
ID=89530801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311316559.0A Pending CN117421207A (zh) | 2023-10-11 | 2023-10-11 | 智能评估影响点测试方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421207A (zh) |
-
2023
- 2023-10-11 CN CN202311316559.0A patent/CN117421207A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825956A (zh) | 一种信息流推荐方法、装置、计算机设备及存储介质 | |
CN117033249A (zh) | 一种测试用例生成方法、装置、计算机设备及存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
CN117421207A (zh) | 智能评估影响点测试方法、装置、计算机设备及存储介质 | |
CN112069807A (zh) | 文本数据的主题提取方法、装置、计算机设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN117271790A (zh) | 标注数据的扩充方法、装置、计算机设备及存储介质 | |
CN116662418A (zh) | 基于配置化的报表实现方法、装置、设备及其存储介质 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN116795882A (zh) | 数据获取方法、装置、计算机设备及存储介质 | |
CN117421312A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN116933733A (zh) | 一种文本输入展示方法、装置、设备及其存储介质 | |
CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
CN117172226A (zh) | 一种表单重构方法、装置、设备及其存储介质 | |
CN116431607A (zh) | 数据模型重构方法、装置、设备及其存储介质 | |
CN116661763A (zh) | 一种前后端开发管理方法、装置、计算机设备及存储介质 | |
CN116627416A (zh) | 页面配置方法、装置、计算机设备及存储介质 | |
CN116401061A (zh) | 资源数据的处理方法、装置、计算机设备及存储介质 | |
CN116611936A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN117217369A (zh) | 一种服务项目预测方法、装置、计算机设备及其存储介质 | |
CN117251502A (zh) | 数据看板生成方法、装置、计算机设备及存储介质 | |
CN117057362A (zh) | 基于人工智能的意图识别方法、装置、设备及存储介质 | |
CN117788051A (zh) | 基于人工智能的客户偏好分析方法、装置、设备及介质 |
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 |