CN118036599A - 端到端联测场景确定方法、装置、计算机设备和存储介质 - Google Patents
端到端联测场景确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN118036599A CN118036599A CN202410352713.8A CN202410352713A CN118036599A CN 118036599 A CN118036599 A CN 118036599A CN 202410352713 A CN202410352713 A CN 202410352713A CN 118036599 A CN118036599 A CN 118036599A
- Authority
- CN
- China
- Prior art keywords
- scene
- combined
- keywords
- tested
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005259 measurement Methods 0.000 title claims description 22
- 230000011218 segmentation Effects 0.000 claims abstract description 192
- 239000013598 vector Substances 0.000 claims abstract description 162
- 238000012360 testing method Methods 0.000 claims abstract description 137
- 230000004048 modification Effects 0.000 claims abstract description 68
- 238000012986 modification Methods 0.000 claims abstract description 68
- 238000004590 computer program Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种端到端联测场景确定方法、装置、计算机设备和存储介质，涉及金融科技领域或其他相关领域。所述方法包括：通过根据应用程序的修改描述信息和预设关键词确定待联测关键词，根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，输出待联测场景，以提示基于待联测场景对应用程序进行端到端联测，从而避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
Description
技术领域
本申请涉及金融科技领域或其他相关领域，特别是涉及一种端到端联测场景确定方法、装置、计算机设备和存储介质。
背景技术
端到端联测是一种通过模拟真实的用户场景，测试应用程序的上下游的整体交互流程的测试方法，对于确保应用程序的稳定性和可靠性具有重要意义。
目前，当应用程序的某一功能被修改后，通常需要测试人员对该应用程序进行端到端联测，以确保该应用程序的上下游的整体交互流程能够正常进行。但是，由于应用程序的资源库庞大、应用程序的测试人员频繁变更，因此会导致测试人员忘记对应用程序进行端到端联测，从而影响应用程序的正常运行。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提醒测试人员对应用程序进行端到端联测，提高应用程序运行的稳定性的端到端联测场景确定方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种端到端联测场景确定方法。该方法包括：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；该预设关键词基于该应用程序的端到端联测需求确定；
根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景；
输出该待联测场景；输出的该待联测场景用于提示基于该待联测场景对该应用程序进行端到端联测。
在其中一个实施例中，该方法还包括：
获取该多个端到端联测场景对应的场景描述信息；
对各该场景描述信息进行分词处理，得到各该场景描述信息对应的场景分词；
对该各场景描述信息对应的场景分词进行矢量化处理，得到各该端到端联测场景对应的场景分词向量。
在其中一个实施例中，该根据应用程序的修改描述信息和预设关键词确定待联测关键词，包括：
根据该端到端联测需求设置至少一个该预设关键词；
对该修改描述信息和该预设关键词进行匹配，得到匹配结果；
根据该匹配结果确定该待联测关键词。
在其中一个实施例中，该根据该匹配结果确定该待联测关键词，包括：
若该匹配结果为该预设关键词中存在与该修改描述信息中关键词相同的预设关键词，则将与该修改描述信息中关键词相同的预设关键词作为该待联测关键词。
在其中一个实施例中，该根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景，包括：
针对各该场景分词向量，确定该待联测关键词与该场景分词向量之间的相似度；
根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景。
在其中一个实施例中，该根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景，包括：
将目标场景分词向量对应的端到端联测场景作为该待联测场景；该目标场景分词向量为最大的相似度对应的该场景分词向量。
第二方面，本申请还提供了一种端到端联测场景确定装置。该装置包括：
第一确定模块，用于根据应用程序的修改描述信息和预设关键词确定待联测关键词；该预设关键词基于该应用程序的端到端联测需求确定；
第二确定模块，用于根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景；
输出模块，用于输出该待联测场景；输出的该待联测场景用于提示基于该待联测场景对该应用程序进行端到端联测。
在其中一个实施例中，该装置还包括：
获取模块，用于获取该多个端到端联测场景对应的场景描述信息；
第三确定模块，用于对各该场景描述信息进行分词处理，得到各该场景描述信息对应的场景分词；
第四确定模块，用于对该各场景描述信息对应的场景分词进行矢量化处理，得到各该端到端联测场景对应的场景分词向量。
在其中一个实施例中，该第一确定模块包括：
设置单元，用于根据该端到端联测需求设置至少一个该预设关键词；
第一确定单元，用于对该修改描述信息和该预设关键词进行匹配，得到匹配结果；
第二确定单元，用于根据该匹配结果确定该待联测关键词。
在其中一个实施例中，该第二确定单元，具体用于若该匹配结果为该预设关键词中存在与该修改描述信息中关键词相同的预设关键词，则将与该修改描述信息中关键词相同的预设关键词作为该待联测关键词。
在其中一个实施例中，该第二确定模块包括：
第三确定单元，用于针对各该场景分词向量，确定该待联测关键词与该场景分词向量之间的相似度；
第四确定单元，用于根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景。
在其中一个实施例中，该第四确定单元，具体用于将目标场景分词向量对应的端到端联测场景作为该待联测场景；该目标场景分词向量为最大的相似度对应的该场景分词向量。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；该预设关键词基于该应用程序的端到端联测需求确定；
根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景；
输出该待联测场景；输出的该待联测场景用于提示基于该待联测场景对该应用程序进行端到端联测。
在其中一个实施例中，该处理器执行该计算机程序时还实现以下步骤：
获取该多个端到端联测场景对应的场景描述信息；
对各该场景描述信息进行分词处理，得到各该场景描述信息对应的场景分词；
对该各场景描述信息对应的场景分词进行矢量化处理，得到各该端到端联测场景对应的场景分词向量。
在其中一个实施例中，该处理器执行该计算机程序时还实现以下步骤：
根据该端到端联测需求设置至少一个该预设关键词；
对该修改描述信息和该预设关键词进行匹配，得到匹配结果；
根据该匹配结果确定该待联测关键词。
在其中一个实施例中，该处理器执行该计算机程序时还实现以下步骤：
若该匹配结果为该预设关键词中存在与该修改描述信息中关键词相同的预设关键词，则将与该修改描述信息中关键词相同的预设关键词作为该待联测关键词。
在其中一个实施例中，该处理器执行该计算机程序时还实现以下步骤：
针对各该场景分词向量，确定该待联测关键词与该场景分词向量之间的相似度；
根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景。
在其中一个实施例中，该处理器执行该计算机程序时还实现以下步骤：
将目标场景分词向量对应的端到端联测场景作为该待联测场景；该目标场景分词向量为最大的相似度对应的该场景分词向量。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；该预设关键词基于该应用程序的端到端联测需求确定；
根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景；
输出该待联测场景；输出的该待联测场景用于提示基于该待联测场景对该应用程序进行端到端联测。
该计算机程序被处理器执行时还实现以下步骤：
获取该多个端到端联测场景对应的场景描述信息；
对各该场景描述信息进行分词处理，得到各该场景描述信息对应的场景分词；
对该各场景描述信息对应的场景分词进行矢量化处理，得到各该端到端联测场景对应的场景分词向量。
该计算机程序被处理器执行时还实现以下步骤：
根据该端到端联测需求设置至少一个该预设关键词；
对该修改描述信息和该预设关键词进行匹配，得到匹配结果；
根据该匹配结果确定该待联测关键词。
该计算机程序被处理器执行时还实现以下步骤：
若该匹配结果为该预设关键词中存在与该修改描述信息中关键词相同的预设关键词，则将与该修改描述信息中关键词相同的预设关键词作为该待联测关键词。
该计算机程序被处理器执行时还实现以下步骤：
针对各该场景分词向量，确定该待联测关键词与该场景分词向量之间的相似度；
根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景。
该计算机程序被处理器执行时还实现以下步骤：
将目标场景分词向量对应的端到端联测场景作为该待联测场景；该目标场景分词向量为最大的相似度对应的该场景分词向量。
第五方面，本申请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以下步骤：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；该预设关键词基于该应用程序的端到端联测需求确定；
根据该待联测关键词和多个端到端联测场景对应的场景分词向量，从该多个端到端联测场景中确定待联测场景；
输出该待联测场景；输出的该待联测场景用于提示基于该待联测场景对该应用程序进行端到端联测。
该计算机程序被处理器执行时还实现以下步骤：
获取该多个端到端联测场景对应的场景描述信息；
对各该场景描述信息进行分词处理，得到各该场景描述信息对应的场景分词；
对该各场景描述信息对应的场景分词进行矢量化处理，得到各该端到端联测场景对应的场景分词向量。
该计算机程序被处理器执行时还实现以下步骤：
根据该端到端联测需求设置至少一个该预设关键词；
对该修改描述信息和该预设关键词进行匹配，得到匹配结果；
根据该匹配结果确定该待联测关键词。
该计算机程序被处理器执行时还实现以下步骤：
若该匹配结果为该预设关键词中存在与该修改描述信息中关键词相同的预设关键词，则将与该修改描述信息中关键词相同的预设关键词作为该待联测关键词。
该计算机程序被处理器执行时还实现以下步骤：
针对各该场景分词向量，确定该待联测关键词与该场景分词向量之间的相似度；
根据该待联测关键词与该场景分词向量之间的相似度，确定该待联测场景。
该计算机程序被处理器执行时还实现以下步骤：
将目标场景分词向量对应的端到端联测场景作为该待联测场景；该目标场景分词向量为最大的相似度对应的该场景分词向量。
上述端到端联测场景确定方法、装置、计算机设备和存储介质，通过根据应用程序的修改描述信息和预设关键词确定待联测关键词，根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，输出待联测场景，以提示基于待联测场景对应用程序进行端到端联测，从而避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
附图说明
图1是本申请实施例提供的一种计算机设备的内部结构图；
图2是本申请实施例提供的一种端到端场景联测方法的流程示意图；
图3是本申请实施例提供的一种场景分词向量确定方法的流程示意图；
图4是本申请实施例提供的一种待联测关键词确定方法的流程示意图；
图5是本申请实施例提供的一种待联测场景确定方法的流程示意图；
图6是本申请实施例提供的一种基于VSM技术的端到端联测场景匹配方法的流程示意图；
图7是本申请实施例提供的一种端到端联测场景确定装置的结构框图。
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。
端到端联测是一种通过模拟真实的用户场景，测试应用程序的上下游的整体交互流程的测试方法，对于确保应用程序的稳定性和可靠性具有重要意义。
目前，当应用程序的某一功能被修改后，通常需要测试人员对该应用程序进行端到端联测，以确保该应用程序的上下游的整体交互流程能够正常进行。但是，由于应用程序的资源库庞大、应用程序的测试人员频繁变更，因此会导致测试人员忘记对应用程序进行端到端联测，从而影响应用程序的正常运行。
本申请实施例提供的端到端场景联测方法，可以应用于如图1所示的应用环境中。图1是本申请实施例提供的一种计算机设备的内部结构图，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端到端场景联测方法。
本领域技术人员可以理解，图1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，如图2所示，图2是本申请实施例提供的一种端到端场景联测方法的流程示意图，该方法可以应用于图1中计算机设备，该方法包括以下步骤：
S201，根据应用程序的修改描述信息和预设关键词确定待联测关键词；预设关键词基于应用程序的端到端联测需求确定。
可选的，可以基于应用程序的端到端联测需求，将应用程序的功能名称、用户类型、数据类型、性能指标、安全漏洞类型、操作流程名称中的至少一种作为预设关键词。其中，应用程序的功能名称例如可以为登录、注册、搜索等，用户类型例如可以为管理员、普通用户、VIP用户等，数据类型例如可以为有效数据、无效数据、边界数据等，性能指标例如可以为响应时间、并发用户数等，安全漏洞类型例如可以为SQL注入、跨站脚本攻击等，操作流程名称例如可以为应用程序的业务流程名称、用户的操作流程名称等。
在一种可能的实现方式中，可以基于应用程序的端到端联测需求确定预设关键词，获取应用程序的修改描述信息中的修改关键词，将修改关键词与预设关键词进行对比，若预设关键词中存在与修改关键词相同的预设关键词，则将与修改关键词相同的预设关键词作为待联测关键词。
在另一种可能的实现方式中，可以基于应用程序的端到端联测需求确定预设关键词，对修改描述信息和预设关键词进行匹配，若修改描述信息中存在与预设关键词相同的词语，则将修改描述信息中与预设关键词相同的词语作为待联测关键词。
S202，根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景。
在一种可能的实现方式中，可以针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度，将最大的相似度对应的场景分词向量作为目标场景分词向量，将目标场景分词向量对应的端到端联测场景作为待联测场景。待联测关键词与场景分词向量之间的相似度例如可以为待联测关键词向量与场景分词向量之间的余弦相似度、待联测关键词向量与场景分词向量之间的欧氏距离中的任意一种。其中，待联测关键词向量是对待联测关键词进行矢量化处理得到的。
在另一种可能的实现方式中，可以将待联测关键词与多个场景分词向量进行匹配，若场景分词向量中存在的与待联测关键词相同的场景分词向量，则将与待联测关键词相同的场景分词向量作为目标场景分词向量，将目标场景分词向量对应的端到端联测场景作为待联测场景。
S203，输出待联测场景；输出的待联测场景用于提示基于待联测场景对应用程序进行端到端联测。
具体的，可以通过邮件、弹窗、电话等方式向测试人员的设备输出待联测场景，以提示测试人员基于待联测场景对应用程序进行端到端联测。
本申请实施例中，通过根据应用程序的修改描述信息和预设关键词确定待联测关键词，根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，输出待联测场景，以提示基于待联测场景对应用程序进行端到端联测，从而避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
参照图3，图3是本申请实施例提供的一种场景分词向量确定方法的流程示意图。在上述实施例的基础上，该方法还包括如下步骤：
S301，获取多个端到端联测场景对应的场景描述信息。
可选的，可以通过在网络中进行检索获取应用程序的多个端到端联测场景，并根据多个端到端联测场景获取对应的场景描述信息。或者，可以在数据库中获取应用程序的多个历史端到端联测场景，并获取多个历史端到端联测场景对应的场景描述信息。
S302，对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词。
具体的，可以通过中文分词库对各场景描述信息进行分词处理，将各场景描述信息划分为多个单词或词组，然后去除单词或词组中没有实际意义的词语，如“的”、“是”、“在”等，将剩余的单词或词组作为各场景描述信息对应的场景分词。
S303，对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
具体的，可以通过TF-IDF模型对各场景描述信息对应的场景分词进行矢量化处理，计算出各场景描述信息对应的场景分词的TF-IDF值，得到各端到端联测场景对应的场景分词向量，并将各端到端联测场景对应的场景分词向量存储在数据库中。
本申请实施例中，获取多个端到端联测场景对应的场景描述信息，对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词，对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量，从而能够根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，以提示基于待联测场景对应用程序进行端到端联测，避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
参照图4，图4是本申请实施例提供的一种待联测关键词确定方法的流程示意图。本实施涉及的是如何根据应用程序的修改描述信息和预设关键词确定待联测关键词的一种可能的实现方式。在上述实施例的基础上，上述的S201，包括如下步骤：
S401，根据端到端联测需求设置至少一个预设关键词。
可选的，可以基于应用程序的端到端联测需求，将应用程序的功能名称、用户类型、数据类型、性能指标、安全漏洞类型、操作流程名称中的至少一种作为预设关键词。其中，应用程序的功能名称例如可以为登录、注册、搜索等，用户类型例如可以为管理员、普通用户、VIP用户等，数据类型例如可以为有效数据、无效数据、边界数据等，性能指标例如可以为响应时间、并发用户数等，安全漏洞类型例如可以为SQL注入、跨站脚本攻击等，操作流程名称例如可以为应用程序的业务流程名称、用户的操作流程名称等。
S402，对修改描述信息和预设关键词进行匹配，得到匹配结果。
具体的，可以通过字符串查找、正则表达式匹配、自然语言处理、机器学习中的至少一种方式对修改描述信息和预设关键词进行匹配，得到匹配结果。
S403，根据匹配结果确定待联测关键词。
在一种可能的实现方式中，可以获取修改描述信息中的修改关键词，若匹配结果为预设关键词中存在与修改关键词相同的预设关键词，则将与修改关键词相同的预设关键词作为待联测关键词。
在另一种可能的实现方式中，若匹配结果为修改描述信息中存在与预设关键词相同的词语，则将修改描述信息中与预设关键词相同的词语作为待联测关键词。
本申请实施例中，根据端到端联测需求设置至少一个预设关键词，对修改描述信息和预设关键词进行匹配，得到匹配结果，根据匹配结果确定待联测关键词，从而能够根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，以提示基于待联测场景对应用程序进行端到端联测，避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
在上述实施例的基础上，上述的S403，根据匹配结果确定待联测关键词，可以通过如下方式实现：
若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
示例性的，若修改描述信息为修改应用程序中注册功能的管理员权限，预设关键词为管理员、边界数据、响应事件、登录，对修改描述信息和预设关键词进行匹配，则匹配结果为预设关键词中的“管理员”与修改描述信息中的关键词“管理员”相同，因此将“管理员”作为待联测关键词。
本申请实施例中，若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词，从而能够根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景，以提示基于待联测场景对应用程序进行端到端联测，避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
参照图5，图5是本申请实施例提供的一种待联测场景确定方法的流程示意图。本实施涉及的是如何根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景的一种可能的实现方式。在上述实施例的基础上，上述的S202，包括如下步骤：
S501，针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度。
可选的，可以对待联测关键词进行矢量化处理，得到待联测关键词向量，计算待联测关键词向量与场景分词向量之间的余弦相似度，将待联测关键词向量与场景分词向量之间的余弦相似度作为待联测关键词与场景分词向量之间的相似度。或者，可以对待联测关键词进行矢量化处理，得到待联测关键词向量，计算待联测关键词向量与场景分词向量之间的欧氏距离，将待联测关键词向量与场景分词向量之间的欧氏距离作为待联测关键词与场景分词向量之间的相似度。或者，可以利用预训练的词嵌入模型将待联测关键词和场景分词映射到高维向量空间，然后计算待联测关键词向量与场景分词向量之间的相似度，将待联测关键词向量与场景分词向量之间的相似度作为待联测关键词与场景分词向量之间的相似度。
S502，根据待联测关键词与场景分词向量之间的相似度，确定待联测场景。
在一种可能的实现方式中，可以将最大的相似度对应的场景分词向量作为目标场景分词向量，将目标场景分词向量对应的端到端联测场景作为待联测场景。
在另一种可能的实现方式中，可以根据待联测关键词与场景分词向量之间的相似度确定相似度阈值，将大于相似度阈值的相似度对应的场景分词向量作为目标场景分词向量，将目标场景分词向量对应的端到端联测场景作为待联测场景。
本申请实施例中，针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度，根据待联测关键词与场景分词向量之间的相似度，确定待联测场景，从而能够输出待联测场景，以提示基于待联测场景对应用程序进行端到端联测，避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
在上述实施例的基础上，上述的S502，根据待联测关键词与场景分词向量之间的相似度，确定待联测场景，可以通过如下方式实现：
将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
具体的，可以将最大的相似度对应的场景分词向量作为目标场景分词向量，将目标场景分词向量对应的端到端联测场景作为待联测场景。
本申请实施例中，将最大的相似度对应的场景分词向量对应的端到端联测场景作为待联测场景，从而能够输出待联测场景，以提示基于待联测场景对应用程序进行端到端联测，避免测试人员忘记对应用程序进行端到端联测，提高应用程序运行的稳定性。
参照图6，图6是本申请实施例提供的一种基于VSM技术的端到端联测场景匹配方法的流程示意图。该方法包括如下步骤：
S601，获取多个端到端联测场景对应的场景描述信息。
S602，对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词。
S603，对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
S604，根据端到端联测需求设置至少一个预设关键词。
S605，将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
S606，针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度。
S607，将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
S608，输出待联测场景。
应该理解的是，虽然如上所述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，如上所述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端到端联测场景确定方法的端到端联测场景确定装置。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端到端联测场景确定装置实施例中的具体限定可以参见上文中对于端到端联测场景确定方法的限定，在此不再赘述。
在一个实施例中，如图7所示，图7是本申请实施例提供的一种端到端联测场景确定装置的结构框图，该装置700包括：
第一确定模块701，用于根据应用程序的修改描述信息和预设关键词确定待联测关键词；预设关键词基于应用程序的端到端联测需求确定。
第二确定模块702，用于根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景。
输出模块703，用于输出待联测场景；输出的待联测场景用于提示基于待联测场景对应用程序进行端到端联测。
在其中一个实施例中，装置700还包括：
获取模块，用于获取多个端到端联测场景对应的场景描述信息；
第三确定模块，用于对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词。
第四确定模块，用于对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
在其中一个实施例中，第一确定模块701包括：
设置单元，用于根据端到端联测需求设置至少一个预设关键词。
第一确定单元，用于对修改描述信息和预设关键词进行匹配，得到匹配结果。
第二确定单元，用于根据匹配结果确定待联测关键词。
在其中一个实施例中，第二确定单元，具体用于若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
在其中一个实施例中，第二确定模块702包括：
第三确定单元，用于针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度。
第四确定单元，用于根据待联测关键词与场景分词向量之间的相似度，确定待联测场景。
在其中一个实施例中，第四确定单元，具体用于将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
上述端到端联测场景确定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，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：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；预设关键词基于应用程序的端到端联测需求确定；
根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景；
输出待联测场景；输出的待联测场景用于提示基于待联测场景对应用程序进行端到端联测。
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：
获取多个端到端联测场景对应的场景描述信息；
对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词；
对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
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：
根据端到端联测需求设置至少一个预设关键词；
对修改描述信息和预设关键词进行匹配，得到匹配结果；
根据匹配结果确定待联测关键词。
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：
若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
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：
针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度；
根据待联测关键词与场景分词向量之间的相似度，确定待联测场景。
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：
将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
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：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；预设关键词基于应用程序的端到端联测需求确定；
根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景；
输出待联测场景；输出的待联测场景用于提示基于待联测场景对应用程序进行端到端联测。
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：
获取多个端到端联测场景对应的场景描述信息；
对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词；
对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
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：
根据端到端联测需求设置至少一个预设关键词；
对修改描述信息和预设关键词进行匹配，得到匹配结果；
根据匹配结果确定待联测关键词。
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：
若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
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：
针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度；
根据待联测关键词与场景分词向量之间的相似度，确定待联测场景。
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：
将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
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：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；预设关键词基于应用程序的端到端联测需求确定；
根据待联测关键词和多个端到端联测场景对应的场景分词向量，从多个端到端联测场景中确定待联测场景；
输出待联测场景；输出的待联测场景用于提示基于待联测场景对应用程序进行端到端联测。
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：
获取多个端到端联测场景对应的场景描述信息；
对各场景描述信息进行分词处理，得到各场景描述信息对应的场景分词；
对各场景描述信息对应的场景分词进行矢量化处理，得到各端到端联测场景对应的场景分词向量。
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：
根据端到端联测需求设置至少一个预设关键词；
对修改描述信息和预设关键词进行匹配，得到匹配结果；
根据匹配结果确定待联测关键词。
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：
若匹配结果为预设关键词中存在与修改描述信息中关键词相同的预设关键词，则将与修改描述信息中关键词相同的预设关键词作为待联测关键词。
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：
针对各场景分词向量，确定待联测关键词与场景分词向量之间的相似度；
根据待联测关键词与场景分词向量之间的相似度，确定待联测场景。
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：
将目标场景分词向量对应的端到端联测场景作为待联测场景；目标场景分词向量为最大的相似度对应的场景分词向量。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
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，所述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。
以上所述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 (10)
1.一种端到端联测场景确定方法，其特征在于，所述方法包括：
根据应用程序的修改描述信息和预设关键词确定待联测关键词；所述预设关键词基于所述应用程序的端到端联测需求确定；
根据所述待联测关键词和多个端到端联测场景对应的场景分词向量，从所述多个端到端联测场景中确定待联测场景；
输出所述待联测场景；输出的所述待联测场景用于提示基于所述待联测场景对所述应用程序进行端到端联测。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述多个端到端联测场景对应的场景描述信息；
对各所述场景描述信息进行分词处理，得到各所述场景描述信息对应的场景分词；
对所述各场景描述信息对应的场景分词进行矢量化处理，得到各所述端到端联测场景对应的场景分词向量。
3.根据权利要求1所述的方法，其特征在于，所述根据应用程序的修改描述信息和预设关键词确定待联测关键词，包括：
根据所述端到端联测需求设置至少一个所述预设关键词；
对所述修改描述信息和所述预设关键词进行匹配，得到匹配结果；
根据所述匹配结果确定所述待联测关键词。
4.根据权利要求3所述的方法，其特征在于，所述根据所述匹配结果确定所述待联测关键词，包括：
若所述匹配结果为所述预设关键词中存在与所述修改描述信息中关键词相同的预设关键词，则将与所述修改描述信息中关键词相同的预设关键词作为所述待联测关键词。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述待联测关键词和多个端到端联测场景对应的场景分词向量，从所述多个端到端联测场景中确定待联测场景，包括：
针对各所述场景分词向量，确定所述待联测关键词与所述场景分词向量之间的相似度；
根据所述待联测关键词与所述场景分词向量之间的相似度，确定所述待联测场景。
6.根据权利要求5所述的方法，其特征在于，所述根据所述待联测关键词与所述场景分词向量之间的相似度，确定所述待联测场景，包括：
将目标场景分词向量对应的端到端联测场景作为所述待联测场景；所述目标场景分词向量为最大的相似度对应的所述场景分词向量。
7.一种端到端联测场景确定装置，其特征在于，所述装置包括：
第一确定模块，用于根据应用程序的修改描述信息和预设关键词确定待联测关键词；所述预设关键词基于所述应用程序的端到端联测需求确定；
第二确定模块，用于根据所述待联测关键词和多个端到端联测场景对应的场景分词向量，从所述多个端到端联测场景中确定待联测场景；
输出模块，用于输出所述待联测场景；输出的所述待联测场景用于提示基于所述待联测场景对所述应用程序进行端到端联测。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410352713.8A CN118036599A (zh) | 2024-03-26 | 2024-03-26 | 端到端联测场景确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410352713.8A CN118036599A (zh) | 2024-03-26 | 2024-03-26 | 端到端联测场景确定方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118036599A true CN118036599A (zh) | 2024-05-14 |
Family
ID=91004277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410352713.8A Pending CN118036599A (zh) | 2024-03-26 | 2024-03-26 | 端到端联测场景确定方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118036599A (zh) |
-
2024
- 2024-03-26 CN CN202410352713.8A patent/CN118036599A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8457950B1 (en) | System and method for coreference resolution | |
| CN111600874B (zh) | 用户账号检测方法、装置、电子设备、介质 | |
| CN112818162A (zh) | 图像检索方法、装置、存储介质和电子设备 | |
| CN114329455B (zh) | 基于异构图嵌入的用户异常行为检测方法及装置 | |
| CN107133163A (zh) | 一种验证描述类api的方法与设备 | |
| CN111597336A (zh) | 训练文本的处理方法、装置、电子设备及可读存储介质 | |
| CN118036599A (zh) | 端到端联测场景确定方法、装置、计算机设备和存储介质 | |
| CN117874530B (zh) | 对抗样本检测方法、装置、设备、介质和产品 | |
| CN115118616B (zh) | 展示结果测试方法、装置、计算机设备和存储介质 | |
| CN118227463A (zh) | 测试数据生成方法、装置、计算机设备、存储介质和产品 | |
| CN118331890B (zh) | 基于token训练限定大语言模型的数据批量生成方法 | |
| CN117194217A (zh) | 接口的测试方法、装置、计算机设备和存储介质 | |
| CN118094410A (zh) | 非侵入式负荷分类方法、装置、计算机设备和存储介质 | |
| CN117971689A (zh) | 脚本质量测试方法、装置、设备和存储介质 | |
| CN117370160A (zh) | 代码审核方法、装置、计算机设备、存储介质和程序产品 | |
| CN117453528A (zh) | 金融服务应用的代码质量确定方法、装置、设备和介质 | |
| CN116880852A (zh) | 基于机器学习的代码数据检查方法、装置及计算机设备 | |
| CN115795120A (zh) | 一种用户画像信息的验证方法、装置 | |
| CN118250070A (zh) | 页面登录方法、装置、计算机设备、存储介质和程序产品 | |
| CN118133044A (zh) | 问题扩展方法、装置、计算机设备、存储介质和产品 | |
| Liu et al. | Testing Graph Database Systems with Graph-State Persistence Oracle | |
| CN116909902A (zh) | 测试案例数确定方法、装置、计算机设备和存储介质 | |
| CN117033172A (zh) | 测试数据处理方法、装置、设备、存储介质和程序产品 | |
| CN117971675A (zh) | 代码大模型的测评方法、装置、计算机设备和存储介质 | |
| CN115618138A (zh) | Sql注入自动检测方法、装置、计算机设备及存储介质 |
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 |