CN117609069A - 测试用例评审方法、装置、设备及存储介质 - Google Patents
测试用例评审方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117609069A CN117609069A CN202311648199.4A CN202311648199A CN117609069A CN 117609069 A CN117609069 A CN 117609069A CN 202311648199 A CN202311648199 A CN 202311648199A CN 117609069 A CN117609069 A CN 117609069A
- Authority
- CN
- China
- Prior art keywords
- test
- scene
- test case
- training
- reviewed
- 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 444
- 238000012552 review Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012795 verification Methods 0.000 claims abstract description 48
- 238000012549 training Methods 0.000 claims description 129
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06F11/3676—Test management for coverage analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本发明公开了一种测试用例评审方法、装置、设备及存储介质,包括:将待评审测试用例以及目标需求信息输入场景校验模型中,得到输出的待评审测试用例的目标场景覆盖信息,目标需求信息用于指示待评审测试用例应该覆盖的第一测试场景,目标场景覆盖信息用于指示第一测试场景中,待评审测试用例未覆盖的第二测试场景;根据第二测试场景,以及预先建立的历史测试信息,确定待评审测试用例的评审意见。该测试用例评审方法,一方面,根据预先训练的场景校验模型,实现了测试用例评审过程中测试场景的自动校验,评审过程更全面、准确、高效。另一方面,可以针对未覆盖的测试场景,根据历史测试信息确定评审意见,确定出的评审意见更加精准。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种测试用例评审方法、装置、设备及存储介质。
背景技术
测试用例是软件测试的基础,测试用例的全面、正确决定了测试执行质量。测试用例的质量取决于测试用例编写的质量和测试用例评审的质量。评审测试用例时,需要从需求覆盖、场景覆盖、正反向用例、用例颗粒度等多个角度对测试用例进行评审,从而保障测试用例的全面性、有效性和正确性。
目前进行测试用例评审时,需要业务部门、开发部门和测试部门进行三方人工审核。这对评审人提出了很高的要求,需要评审人对该测试用例的项目涉及的业务领域、改造范围及相关的业务规则非常了解;而且需要评审人对测试用例逐条解析来判断测试用例的场景覆盖是否有遗漏。可见,上述测试用例评审过程的效率较低以及准确性较低。
发明内容
本发明提供了一种测试用例评审方法、装置、设备及存储介质,以解决相关技术在进行测试用例评审时,效率较低以及准确性较低的技术问题。
根据本发明的一方面,提供了一种测试用例评审方法,包括:
将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息;其中,所述目标需求信息用于指示所述待评审测试用例应该覆盖的第一测试场景,所述目标场景覆盖信息用于指示所述第一测试场景中,所述待评审测试用例未覆盖的第二测试场景;
根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见。
根据本发明的另一方面,提供了一种测试用例评审装置,包括:
第一确定模块,用于将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息;其中,所述目标需求信息用于指示所述待评审测试用例应该覆盖的第一测试场景,所述目标场景覆盖信息用于指示所述第一测试场景中,所述待评审测试用例未覆盖的第二测试场景;
第二确定模块,用于根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的测试用例评审方法。
根据本发明的另一方面,提供了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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的测试用例评审方法。
本发明实施例的技术方案,包括:将待评审测试用例以及待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到场景校验模型输出的待评审测试用例的目标场景覆盖信息,其中,目标需求信息用于指示待评审测试用例应该覆盖的第一测试场景,目标场景覆盖信息用于指示第一测试场景中,待评审测试用例未覆盖的第二测试场景;根据第二测试场景,以及预先建立的历史测试信息,确定待评审测试用例的评审意见。本实施例提供的测试用例评审方法,一方面,根据预先训练的场景校验模型,实现了测试用例评审过程中测试场景的自动校验,对测试用例是否完整覆盖需求信息进行了判断,评审过程更全面、准确、高效,避免了人工专家评审经验不足、意见较少、投入成本较高的问题。另一方面,可以针对未覆盖的测试场景,根据历史测试信息确定评审意见,确定出的评审意见更加精准。因此,该测试用例评审方法可以达到高效、精确的测试用例评审效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的测试用例评审方法的应用场景的示意图;
图2是根据本发明实施例提供的一种测试用例评审方法的流程图;
图3是根据本发明实施例提供的一种测试用例评审方法中训练场景校验模型的流程图;
图4是根据本发明实施例提供的一种测试用例评审方法中对训练用需求信息以及目标需求信息进行处理的流程图;
图5是本发明实施例中场景校验模型的示意图;
图6是根据本发明实施例提供的一种测试用例评审装置的结构示意图;
图7是实现本发明实施例的测试用例评审方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”、“训练用”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下对本发明实施例中涉及到的术语进行解释。
测试用例:是指对某个软件、功能进行测试任务的描述,体现测试方案、方法、技术和策略。
用例评审:是指评审人员对于测试用例能否用于项目测试而做的评审工作,需要判断是否对需求覆盖全面,用例设计是否合理。
测试场景:是指一种使用场景来进行的软件测试活动,比如信用卡还款场景或网络延时失败场景。
机器评审专家:在本实施例中是指用算法来模拟人工评审,提出评审建议。
测试要点集合:根据过往测试经验,总结的针对某些场景的测试内容、方法、场景、注意事项的描述。
场景意见集合:根据过往的评审意见建议,总结的针对某些场景的测试意见建议。
图1是本发明实施例提供的测试用例评审方法的应用场景的示意图。如图1所示,在需要进行测试用例评审时,测试人员发起测试用例评审,提交评审材料、组建评审专家。本实施例提供的智能评审方法可以与现有的人工评审专家的人工评审过程进行结合。经过人工评审和智能评审后,向测试人员反馈评审意见。在确定采纳评审意见,并根据评审意见对测试用例进行修订后,拟定评审结论为通过。在确定不采纳评审意见时,拟定评审结论为不通过。
本实施例提供的测试用例评审方法为智能评审,包括以下两个过程:测试场景自动校验以及机器评审专家输出评审意见。本实施例提供的测试用例评审方法,一方面,根据预先训练的场景校验模型,实现了测试用例评审过程中测试场景的自动校验,对测试用例是否完整覆盖需求信息进行了判断,评审过程更全面、准确、高效,避免了人工专家评审经验不足、意见较少、投入成本较高的问题。另一方面,可以针对未覆盖的测试场景,根据历史测试信息确定评审意见,确定出的评审意见更加精准。
以下详细介绍本发明实施例提供的测试用例评审方法。
图2是根据本发明实施例提供的一种测试用例评审方法的流程图。本实施例可适用于软件开发过程中对测试用例进行评审的场景中。该方法可以由测试用例评审装置来执行,该测试用例评审装置可以采用硬件和/或软件的形式实现。该测试用例评审装置可配置于电子设备中,例如,计算机设备中。如图2所示,该方法包括如下步骤。
步骤201:将待评审测试用例以及待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到场景校验模型输出的待评审测试用例的目标场景覆盖信息。
其中,目标需求信息用于指示待评审测试用例应该覆盖的第一测试场景。目标场景覆盖信息用于指示第一测试场景中,待评审测试用例未覆盖的第二测试场景。
本实施例中的待评审测试用例指的是将要被评审的测试用例。本实施例中,可以对待评审测试用例对测试场景的覆盖性进行评审。目标需求信息指的是该待评审测试用例对应的需求信息。该目标需求信息可以表征待评审测试用例应该覆盖的第一测试场景,换句话说,目标需求信息指示的是待评审测试用例被期望覆盖的测试场景。为了描述方便,将待评审测试用例应该覆盖的测试场景称为第一测试场景。
本实施例中的场景校验模型为采用机器学习算法预先训练出的模式。该场景校验模型可以根据待评审测试用例以及待评审测试用例对应的目标需求信息输出待评审测试用例的目标场景覆盖信息。本实施例中的目标场景覆盖信息用于指示第一测试场景中,待评审测试用例未覆盖的第二测试场景。可以理解,质量较好的测试用例对应的第二测试场景的数量应该为零。本实施例中的第一测试场景的数量可以为多个,第二测试场景的数量可以为零个或者至少一个。
以下描述如何生成本实施例中的场景校验模型。
图3是根据本发明实施例提供的一种测试用例评审方法中训练场景校验模型的流程图。如图3所示,训练场景校验模型包括如下步骤301至步骤304。
步骤301:获取多个预设测试场景。
在商业银行软件系统测试中,常见的测试场景如表1所示。
表1常见的测试场景
本实施例中的多个预设测试场景包括以下至少两项:对账调账场景、服务器硬件故障场景、特殊时间节点场景、参数边界校验场景、参数最小原则场景、越权校验场景、验证接口交易功能场景、验证安全管控措施场景、应急处置时应用服务器重启实际场景以及柜面渠道交易权限控制场景。
步骤302:根据训练用测试用例以及训练用测试用例覆盖的实际测试场景,对初始第一分类器进行训练,得到第一分类器。
其中,第一分类器用于确定训练用测试用例对应的训练用预测测试场景。实际测试场景以及训练用预测测试场景均为多个预设测试场景中的至少一种。
训练用测试用例覆盖的实际测试场景可以是人工标注的结果。
示例性地,本实施例中的第一分类器可以为XGBoostClassifier分类器。训练过程可以采用已有的机器学习训练过程:步骤1:将训练用测试用例输入初始第一分类器,获取输出结果;步骤2:将输出结果与训练用测试用例覆盖的实际测试场景进行对比,确定损失函数;步骤3:根据损失函数,采用随机梯度下降算法或者其他算法对初始第一分类器进行更新,得到更新后的初始第一分类器;重复步骤1至步骤3,直至满足迭代终止条件,将此时的更新后的初始第一分类器,确定为第一分类器。
步骤303:根据训练用需求信息以及训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器。
其中,第二分类器用于确定训练用需求信息对应的训练用预测测试场景。训练用需求信息对应的训练用预测测试场景包括训练用测试用例应该覆盖的测试场景。
第二分类器的训练过程与上述第一分类器的训练过程类似,此处不再赘述。
一种实现方式中,在步骤303中可以对训练用需求信息进行处理后,再对初始第二分类器进行训练,以提高第二分类器的训练效率以及提高第二分类器的输出的准确性。
图4是根据本发明实施例提供的一种测试用例评审方法中对训练用需求信息以及目标需求信息进行处理的流程图。如图4所示,对训练用需求信息的处理过程包括:对训练用需求信息进行分词处理,得到训练用需求信息对应的第一训练用结果信息;对第一训练用结果信息进行同义词分析,得到第二训练用结果信息。则相对应地,在步骤303中,是根据第二训练用结果信息以及训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器。可以理解,第一训练用结果信息包括分词后的训练用需求信息。第二训练用结果信息包括对分词后的训练用需求信息进行同义词分析后的结果信息。
示例性地,在对训练用需求信息进行分词处理时,可以是采用分词工具,例如jieba分词工具,进行分词处理。在对第一训练用结果信息进行同义词分析时,可以是采用同义词分析工具,例如gensim同义词分析工具,进行同义词分析。
基于该实现方式,如图4所示,在步骤101之前,本实施例提供的测试用例评审方法还可以包括:对目标需求信息进行分词处理,得到目标需求信息对应的第一目标结果信息;对第一目标结果信息进行同义词分析,得到第二目标结果信息。可以理解,第一目标结果信息包括分词后的目标需求信息。第二目标结果信息包括对分词后的目标需求信息进行同义词分析后的结果信息。则相对应地,在步骤201中,是将待评审测试用例以及第二目标结果信息输入预先训练好的场景校验模型中,得到场景校验模型输出的待评审测试用例的目标场景覆盖信息。
步骤304:将第一分类器、第二分类器以及对比模块,确定为场景校验模型。
其中,对比模块用于根据训练用测试用例对应的训练用预测测试场景,以及对应的训练用需求信息对应的训练用预测测试场景,确定训练用测试用例的训练用场景覆盖信息。训练用场景覆盖信息用于指示训练用测试用例应该覆盖的测试场景中,训练用测试用例未覆盖的测试场景。
举例来说,对比模块的作用为:根据训练用测试用例1对应的训练用预测测试场景,以及训练用需求信息1所对应的训练用预测测试场景,确定训练用测试用例1的训练用场景覆盖信息。其中,训练用需求信息1与训练用测试用例1对应。
图5是本发明实施例中场景校验模型的示意图。如图5所示,本实施例提供的场景校验模型包括:第一分类器51、第二分类器52以及对比模块53。其中,对比模块53与第一分类器51、第二分类器52均连接。在确定出场景校验模型后,将该场景校验模型接入测试用例评审流程,完成前后端联调后,即可实现对待评审测试用例的评审。
基于图5,步骤201中,将待评审测试用例以及待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,该场景校验模型中的第一分类器51根据待评审测试用例输出待评审测试用例的预测测试场景。第二分类器52根据待评审测试用例对应的目标需求信息输出待评审测试用例应该覆盖的第一测试场景。对比模块53根据第一测试场景以及待评审测试用例的预测测试场景,输出待评审测试用例的目标场景覆盖信息。也即,对比模块53输出第一测试场景中,待评审测试用例未覆盖的第二测试场景。
可选地,为了使测试用例评审过程聚焦在商业银行软件系统,以进一步提高评审效率,目标需求信息用于指示多个预设测试场景中,待评审测试用例应该覆盖的第一测试场景。目标场景覆盖信息还用于指示第一测试场景中待评审测试用例覆盖的测试场景,以及多个预设测试场景中待评审测试用例不需要覆盖的测试场景,以进一步明确待评审测试用例的性能。可以理解,多个预设测试场景中待评审测试用例不需要覆盖的测试场景,即是多个预设测试场景中除第一测试场景之外的其他测试场景。
一种可能的目标场景覆盖信息可以如表2所示。
表2目标场景覆盖信息
其中,目标场景覆盖信息为“是”,表示该待评审测试用例应该覆盖且已经覆盖的测试场景。目标场景覆盖信息为“否”,表示该待评审测试用例应该覆盖但未覆盖的测试场景,也即,第一测试场景中待评审测试用例未覆盖的第二测试场景。目标场景覆盖信息为“不涉及”,表示多个预设测试场景中待评审测试用例不需要覆盖的测试场景,即,目标需求信息不涉及的测试场景,待评审测试用例也无需覆盖的测试场景。
步骤202:根据第二测试场景,以及预先建立的历史测试信息,确定待评审测试用例的评审意见。
本实施例提供的测试用例评审方法还可以根据第二测试场景,以及预先建立的历史测试信息,确定待评审测试用例的评审意见,以对可能遗漏的测试场景进行意见反馈,达到对待评审测试用例打补丁的目的。
一种实现方式中,历史测试信息包括:测试要点集合和场景意见集合。步骤202的实现过程可以为:根据第二测试场景,确定第二测试场景对应的测试场景关键词;从测试要点集合中确定测试场景关键词对应的测试要点;从场景意见集合中确定测试场景关键词对应的场景意见;将测试场景关键词对应的测试要点以及测试场景关键词对应的场景意见,确定为评审意见。在该实现方式中,为了提高确定评审意见的效率以及提高评审意见的精准性,需要先根据第二测试场景,确定第二测试场景对应的测试场景关键词。之后,根据第二测试场景对应的测试场景关键词从测试要点集合中确定测试要点,以及从场景意见集合确定场景意见。
本实施例中的测试要点集合中包括根据过往测试经验,总结的针对某些场景的测试内容、方法、场景、注意事项的描述。本实施例确定出的测试场景关键词对应的测试要点可以包括第二测试场景的相关内容,例如,测试内容、方法、场景、注意事项等信息。
本实施例中的场景意见集合中包括根据过往的评审意见建议,总结的针对某些场景的测试意见建议。本实施例确定出的测试场景关键词对应的场景意见可以包括第二测试场景的测试意见建议。
在确定出待评审测试用例的评审意见后,可以向测试人员反馈该评审意见。测试人员可以根据该评审意见对待评审测试用例进行优化。
本实施例提供的测试用例评审方法,包括:将待评审测试用例以及待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到场景校验模型输出的待评审测试用例的目标场景覆盖信息,其中,目标需求信息用于指示待评审测试用例应该覆盖的第一测试场景,目标场景覆盖信息用于指示第一测试场景中,待评审测试用例未覆盖的第二测试场景;根据第二测试场景,以及预先建立的历史测试信息,确定待评审测试用例的评审意见。本实施例提供的测试用例评审方法,一方面,根据预先训练的场景校验模型,实现了测试用例评审过程中测试场景的自动校验,对测试用例是否完整覆盖需求信息进行了判断,评审过程更全面、准确、高效,避免了人工专家评审经验不足、意见较少、投入成本较高的问题。另一方面,可以针对未覆盖的测试场景,根据历史测试信息确定评审意见,确定出的评审意见更加精准。因此,该测试用例评审方法可以达到高效、精确的测试用例评审效果。
图6是根据本发明实施例提供的一种测试用例评审装置的结构示意图。如图6所示,该装置包括:第一确定模块61以及第二确定模块62。
第一确定模块61,用于将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息。
其中,所述目标需求信息用于指示所述待评审测试用例应该覆盖的第一测试场景。所述目标场景覆盖信息用于指示所述第一测试场景中,所述待评审测试用例未覆盖的第二测试场景。
第二确定模块62,用于根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见。
一实施例中,该装置还包括:获取模块、第一训练模块、第二训练模块以及第三确定模块。
获取模块,用于获取多个预设测试场景。
第一训练模块,用于根据训练用测试用例以及所述训练用测试用例覆盖的实际测试场景,对初始第一分类器进行训练,得到第一分类器。
其中,所述第一分类器用于确定所述训练用测试用例对应的训练用预测测试场景。所述实际测试场景以及所述训练用预测测试场景均为所述多个预设测试场景中的至少一种。
第二训练模块,用于根据训练用需求信息以及所述训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器。
其中,所述第二分类器用于确定所述训练用需求信息对应的训练用预测测试场景。所述训练用需求信息对应的训练用预测测试场景包括所述训练用测试用例应该覆盖的测试场景。
第三确定模块,用于将所述第一分类器、第二分类器以及对比模块,确定为所述场景校验模型。
其中,所述对比模块用于根据所述训练用测试用例对应的训练用预测测试场景,以及对应的训练用需求信息对应的训练用预测测试场景,确定所述训练用测试用例的训练用场景覆盖信息。所述训练用场景覆盖信息用于指示所述训练用测试用例应该覆盖的测试场景中,所述训练用测试用例未覆盖的测试场景。
一实施例中,第二训练模块具体用于:对所述训练用需求信息进行分词处理,得到所述训练用需求信息对应的第一训练用结果信息;对所述第一训练用结果信息进行同义词分析,得到第二训练用结果信息;根据所述第二训练用结果信息以及所述训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器。
一实施例中,该装置还包括:目标需求信息处理模块用于:对所述目标需求信息进行分词处理,得到所述目标需求信息对应的第一目标结果信息;对所述第一目标结果信息进行同义词分析,得到第二目标结果信息。相对应地,第一确定模块61具体用于:将待评审测试用例以及所述第二目标结果信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息。
一实施例中,所述目标需求信息用于指示所述多个预设测试场景中,所述待评审测试用例应该覆盖的第一测试场景。所述目标场景覆盖信息还用于指示所述第一测试场景中所述待评审测试用例覆盖的测试场景,以及所述多个预设测试场景中所述待评审测试用例不需要覆盖的测试场景。
一实施例中,所述历史测试信息包括:测试要点集合和场景意见集合。第二确定模块62具体用于:根据所述第二测试场景,确定所述第二测试场景对应的测试场景关键词;从所述测试要点集合中确定所述测试场景关键词对应的测试要点;从所述场景意见集合中确定所述测试场景关键词对应的场景意见;将所述测试场景关键词对应的测试要点以及所述测试场景关键词对应的场景意见,确定为所述评审意见。
一实施例中,所述多个预设测试场景包括以下至少两项:对账调账场景、服务器硬件故障场景、特殊时间节点场景、参数边界校验场景、参数最小原则场景、越权校验场景、验证接口交易功能场景、验证安全管控措施场景、应急处置时应用服务器重启实际场景以及柜面渠道交易权限控制场景。
本发明实施例所提供的测试用例评审装置可执行本发明任意实施例所提供的测试用例评审方法,具备执行方法相应的功能模块和有益效果。
图7是实现本发明实施例的测试用例评审方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如测试用例评审方法。
在一些实施例中,测试用例评审方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的测试用例评审方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行测试用例评审方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程测试用例评审装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种测试用例评审方法,其特征在于,包括:
将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息;其中,所述目标需求信息用于指示所述待评审测试用例应该覆盖的第一测试场景,所述目标场景覆盖信息用于指示所述第一测试场景中,所述待评审测试用例未覆盖的第二测试场景;
根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见。
2.根据权利要求1所述的方法,其特征在于,所述将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息之前,所述方法还包括:
获取多个预设测试场景;
根据训练用测试用例以及所述训练用测试用例覆盖的实际测试场景,对初始第一分类器进行训练,得到第一分类器;其中,所述第一分类器用于确定所述训练用测试用例对应的训练用预测测试场景,所述实际测试场景以及所述训练用预测测试场景均为所述多个预设测试场景中的至少一种;
根据训练用需求信息以及所述训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器;其中,所述第二分类器用于确定所述训练用需求信息对应的训练用预测测试场景,所述训练用需求信息对应的训练用预测测试场景包括所述训练用测试用例应该覆盖的测试场景;
将所述第一分类器、第二分类器以及对比模块,确定为所述场景校验模型;其中,所述对比模块用于根据所述训练用测试用例对应的训练用预测测试场景,以及对应的训练用需求信息对应的训练用预测测试场景,确定所述训练用测试用例的训练用场景覆盖信息,所述训练用场景覆盖信息用于指示所述训练用测试用例应该覆盖的测试场景中,所述训练用测试用例未覆盖的测试场景。
3.根据权利要求2所述的方法,其特征在于,所述根据训练用需求信息以及所述训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器,包括:
对所述训练用需求信息进行分词处理,得到所述训练用需求信息对应的第一训练用结果信息;
对所述第一训练用结果信息进行同义词分析,得到第二训练用结果信息;
根据所述第二训练用结果信息以及所述训练用需求信息覆盖的实际测试场景,对初始第二分类器进行训练,得到第二分类器。
4.根据权利要求3所述的方法,其特征在于,所述将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息之前,所述方法还包括:
对所述目标需求信息进行分词处理,得到所述目标需求信息对应的第一目标结果信息;
对所述第一目标结果信息进行同义词分析,得到第二目标结果信息;
所述将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息,包括:
将待评审测试用例以及所述第二目标结果信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息。
5.根据权利要求2所述的方法,其特征在于,所述目标需求信息用于指示所述多个预设测试场景中,所述待评审测试用例应该覆盖的第一测试场景;
所述目标场景覆盖信息还用于指示所述第一测试场景中所述待评审测试用例覆盖的测试场景,以及所述多个预设测试场景中所述待评审测试用例不需要覆盖的测试场景。
6.根据权利要求1所述的方法,其特征在于,所述历史测试信息包括:测试要点集合和场景意见集合;
所述根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见,包括:
根据所述第二测试场景,确定所述第二测试场景对应的测试场景关键词;
从所述测试要点集合中确定所述测试场景关键词对应的测试要点;
从所述场景意见集合中确定所述测试场景关键词对应的场景意见;
将所述测试场景关键词对应的测试要点以及所述测试场景关键词对应的场景意见,确定为所述评审意见。
7.根据权利要求2所述的方法,其特征在于,所述多个预设测试场景包括以下至少两项:对账调账场景、服务器硬件故障场景、特殊时间节点场景、参数边界校验场景、参数最小原则场景、越权校验场景、验证接口交易功能场景、验证安全管控措施场景、应急处置时应用服务器重启实际场景以及柜面渠道交易权限控制场景。
8.一种测试用例评审装置,其特征在于,包括:
第一确定模块,用于将待评审测试用例以及所述待评审测试用例对应的目标需求信息输入预先训练好的场景校验模型中,得到所述场景校验模型输出的所述待评审测试用例的目标场景覆盖信息;其中,所述目标需求信息用于指示所述待评审测试用例应该覆盖的第一测试场景,所述目标场景覆盖信息用于指示所述第一测试场景中,所述待评审测试用例未覆盖的第二测试场景;
第二确定模块,用于根据所述第二测试场景,以及预先建立的历史测试信息,确定所述待评审测试用例的评审意见。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的测试用例评审方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的测试用例评审方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648199.4A CN117609069A (zh) | 2023-12-04 | 2023-12-04 | 测试用例评审方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648199.4A CN117609069A (zh) | 2023-12-04 | 2023-12-04 | 测试用例评审方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117609069A true CN117609069A (zh) | 2024-02-27 |
Family
ID=89953226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648199.4A Pending CN117609069A (zh) | 2023-12-04 | 2023-12-04 | 测试用例评审方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609069A (zh) |
-
2023
- 2023-12-04 CN CN202311648199.4A patent/CN117609069A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20180041174A (ko) | 위험 평가 방법 및 시스템 | |
CN110647447A (zh) | 用于分布式系统的异常实例检测方法、装置、设备和介质 | |
US20220327452A1 (en) | Method for automatically updating unit cost of inspection by using comparison between inspection time and work time of crowdsourcing-based project for generating artificial intelligence training data | |
WO2019019429A1 (zh) | 一种虚拟机异常检测方法、装置、设备及存储介质 | |
WO2019104844A1 (zh) | 货币基金系统自动性能测试方法、装置、设备及存储介质 | |
CN113032258A (zh) | 一种电子地图的测试方法、装置、电子设备及存储介质 | |
US20220327450A1 (en) | Method for increasing or decreasing number of workers and inspectors in crowdsourcing-based project for creating artificial intelligence learning data | |
CN116303013A (zh) | 源码分析方法、装置、电子设备及存储介质 | |
CN117609069A (zh) | 测试用例评审方法、装置、设备及存储介质 | |
CN113495841B (zh) | 一种兼容性检测方法、装置、设备、存储介质及程序产品 | |
CN114693116A (zh) | 代码评审有效性的检测方法及装置、电子设备 | |
CN114116688A (zh) | 数据处理与数据质检方法、装置及可读存储介质 | |
CN109285559B (zh) | 角色转换点检测方法及装置、存储介质、电子设备 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
CN115098405B (zh) | 软件产品的测评方法、装置、电子设备及存储介质 | |
CN117112445B (zh) | 一种机器学习模型稳定性检测方法、装置、设备及介质 | |
CN115600819A (zh) | 风险评估方法、装置、电子设备及存储介质 | |
CN117635310A (zh) | 贷款逾期风险的确定方法、装置、设备和介质 | |
CN116860652A (zh) | 一种软件质量的评价方法、装置、电子设备及存储介质 | |
CN114443493A (zh) | 一种测试案例生成方法、装置、电子设备和存储介质 | |
CN117453747A (zh) | 一种数据质量检测方法、装置、电子设备及存储介质 | |
CN115374012A (zh) | 自动化回归测试方法、装置、电子设备及存储介质 | |
CN116433984A (zh) | 分类模型训练、平稳分类方法、装置、设备、介质及产品 | |
CN115374010A (zh) | 功能测试方法、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 |