基于机器学习的测试用例质量评估方法、装置及电子设备与流程

本申请涉及数据处理，尤其涉及一种基于机器学习的测试用例质量评估方法、装置及电子设备。

背景技术：

1、在测试场景中，测试人员基于需求编写相应的测试用例，用以对应用系统进行相应的测试。而为了提高测试准确性，需要对测试用例进行质量评估，以确定这些测试用例是否满足测试需求。

2、目前，多采用人工评估的方式实现对测试案例的质量评审。但是，人工评估的方式存在评估片面的情况，导致对测试用例进行质量评审的准确性较低。

技术实现思路

1、有鉴于此，本申请提供一种基于机器学习的测试用例质量评估方法、装置及电子设备，用以解决现有技术中对测试用例进行质量评估的准确性较低的技术缺陷，如下：

2、一种基于机器学习的测试用例质量评估方法，所述方法包括：

3、获得测试用例对应的用例描述文本；所述测试用例用于对应用系统进行测试；

4、根据所述用例描述文本，获得所述测试用例对应的用例名词；

5、根据所述用例名词，在多个测试维度中，获得所述测试用例所涉及的目标维度；

6、利用基于逻辑回归算法的分类模型，至少对所述目标维度进行处理，以得到所述测试用例的质量评估结果，所述质量评估结果表征所述测试用例的质量高低程度。

7、上述方法，优选的，根据所述用例描述文本，获得所述测试用例对应的用例名词，包括：

8、通过命名实体识别算法，对所述用例描述文本中的实体名词进行识别，以得到所述测试用例对应的用例名词。

9、上述方法，优选的，通过命名实体识别算法，对所述用例描述文本中的实体名词进行识别，以得到所述测试用例对应的用例名词，包括：

10、利用神经网络文本标注模型，对所述用例描述文本进行实体名词的识别，以得到所述测试用例对应的用例名词；

11、其中，所述神经网络文本标注模型基于多个第一输入样本和与每个所述第一输入样本对应的第一输出样本进行训练得到，所述第一输入样本包括样本用例中的用例描述样本，所述第一输出样本包括所述用例描述样本中的实体名词。

12、上述方法，优选的，所述神经网络文本标注模型基于长短期记忆神经网络和条件随机场构建。

13、上述方法，优选的，根据所述用例名词，在多个测试维度中，获得所述测试用例所涉及的目标维度，包括：

14、在多个测试维度中，将所述用例名词与每个所述测试维度对应的维度关键词进行关键词匹配，以得到至少一个目标维度，所述目标维度对应的维度关键词与至少一个所述用例名词相匹配。

15、上述方法，优选的，利用基于逻辑回归算法的分类模型，至少对所述目标维度进行处理，以得到所述测试用例的质量评估结果，包括：

16、根据所述目标维度，获得所述测试用例对应的维度覆盖度；

17、将所述维度覆盖度、所述目标维度以及所述应用系统所属的开发项目的项目信息作为基于逻辑回归算法的分类模型的输入数据，以得到所述基于逻辑回归算法的分类模型输出的质量评估结果；

18、其中，所述基于逻辑回归算法的分类模型基于多个第二输入样本和与每个所述第二输入样本对应的第二输出样本进行训练得到，所述第二输入样本包括样本用例对应的覆盖度样本和维度样本以及所述样本用例对应的应用系统所属的样本项目的项目信息，所述第二输出样本包括所述样本用例的质量评估样本。

19、上述方法，优选的，所述项目信息包括以下至少一项：所述开发项目的项目状态，所述开发项目的时间进度。

20、一种基于机器学习的测试用例质量评估装置，所述装置包括：

21、文本获得单元，用于获得测试用例对应的用例描述文本；所述测试用例用于对应用系统进行测试；

22、名词获得单元，用于根据所述用例描述文本，获得所述测试用例对应的用例名词；

23、维度获得单元，用于根据所述用例名词，在多个测试维度中，获得所述测试用例所涉及的目标维度；

24、质量获得单元，用于利用基于逻辑回归算法的分类模型，至少对所述目标维度进行处理，以得到所述测试用例的质量评估结果，所述质量评估结果表征所述测试用例的质量高低程度。

25、一种电子设备，包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述任一项所述的基于机器学习的测试用例质量评估方法。

26、一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述任意一项权利要求所述的基于机器学习的测试用例质量评估方法。

27、从上述技术方案可以看出，本申请公开的一种基于机器学习的测试用例质量评估方法、装置及电子设备中，针对对应用系统进行测试的测试用例，通过获得测试用例对应的用例描述文本，进而获得测试用例对应的用例名词，这样就可以根据这些用例名词在多个测试维度中获得测试用例所涉及的目标维度，最后再利用基于逻辑回归算法的分类模型，至少对目标维度进行处理，就可以得到表征测试用例的质量高低程度的质量评估结果。可见，本申请中利用测试用例的用例描述文本中的用例名词确定测试用例所涉及的目标维度，再使用基于逻辑回归算法的分类模型获得测试用例的质量评估结果，这一过程中无需过多的人工参与，避免了评估片面的情况，由此提高对测试用例进行质量评估的准确性。

技术特征：

1.一种基于机器学习的测试用例质量评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，根据所述用例描述文本，获得所述测试用例对应的用例名词，包括：

3.根据权利要求2所述的方法，其特征在于，通过命名实体识别算法，对所述用例描述文本中的实体名词进行识别，以得到所述测试用例对应的用例名词，包括：

4.根据权利要求3所述的方法，其特征在于，所述神经网络文本标注模型基于长短期记忆神经网络和条件随机场构建。

5.根据权利要求1或2所述的方法，其特征在于，根据所述用例名词，在多个测试维度中，获得所述测试用例所涉及的目标维度，包括：

6.根据权利要求1或2所述的方法，其特征在于，利用基于逻辑回归算法的分类模型，至少对所述目标维度进行处理，以得到所述测试用例的质量评估结果，包括：

7.根据权利要求6所述的方法，其特征在于，所述项目信息包括以下至少一项：所述开发项目的项目状态，所述开发项目的时间进度。

8.一种基于机器学习的测试用例质量评估装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1-7中任一项所述的基于机器学习的测试用例质量评估方法。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1～7任意一项权利要求所述的基于机器学习的测试用例质量评估方法。

技术总结
本申请公开了一种基于机器学习的测试用例质量评估方法、装置及电子设备，所述方法包括：获得测试用例对应的用例描述文本；所述测试用例用于对应用系统进行测试；根据所述用例描述文本，获得所述测试用例对应的用例名词；根据所述用例名词，在多个测试维度中，获得所述测试用例所涉及的目标维度；利用基于逻辑回归算法的分类模型，至少对所述目标维度进行处理，以得到所述测试用例的质量评估结果，所述质量评估结果表征所述测试用例的质量高低程度。

技术研发人员：任占城
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/2/29