CN119441029A 软件测试的推 荐方法、装置、设备及存储介质 （南京领行科技股份有限公司）

道19号九龙湖国际企业总部园B4栋2质本申请实施例提供了一种软件测试的推荐史测试需求对应的历史测试特征之间的相似度述目标历史测试需求对应的测试特征进行特征因测试人员经验和能力水平差异导致的质量波2根据所述测试特征与历史测试需求对应的历史测试特征之间的相似基于关联规则分析算法对所述目标历史测试需求对应的测试特征进行特基于预置聚类维度对所述目标测试特征进行聚类处理，得到在基于自然语言处理技术对所述产品文档、所述开发文档和所述发布单进对所述关键词特征、所述服务特征和所述改动代码所属模块特根据所述测试特征和所述历史测试特征，计算得到所述待测试软件对所述文本相似度、所述服务相似度和所述模块相似度从所述历史测试需求中筛选出相似度得分排序在前N位的历史测试需求，以作为所述事务数据集中的每个事务对应于一个所述目标历史测试需求，每个事务包含若干测试项采用关联规则挖掘算法对所述事务数据集中每个测试项目进行处理，生成目基于预设评估指标对所述目标频繁项集进行评估，并根据所述将上一轮生成的频繁项集进行组合生成新的候选项集，候选项集3计算每个所述候选项集对应的第一支持度，所述第一支持度用迭代执行所述将上一轮生成的频繁项集进行组合生成新的候选项从所述目标频繁项集中筛选出所述第二支持度大于第二支持度阈值、和/或所述置信获取所述目标测试特征中与所述预置聚类维度匹基于K_means聚类算法对所述标准测试特征进行聚类处理，得到所述预置聚类维度的根据所述聚类结果确定所述预置聚类维度下的软基于预置聚类维度对所述目标测试特征进行聚类处理，得到在按照预先设置的排序规则对所述预置聚类维度下的初始测试建议信息进行排序所述预置聚类维度在不同排序规则下的测试根据多样性建议筛选规则对所述测试建议排序信息进行筛在所述排序规则为优先级排序规则的情况下，根据测试建议的紧急程度和重要指数，在所述排序规则为影响力排序规则的情况下，根据测试建4在所述排序规则为历史数据排序规则的情况下，根据历史数据从所述测试建议排序信息中筛选出覆盖不同功能模块的测试建议信息从所述测试建议排序信息中筛选出包含不同测试类型的测试建议信息根据所述第一测试建议信息和/或所述第二测试建议信息，确定所述软件测试建议信测试特征获取模块，用于对待测试软件的技术文档进行特征软件测试建议获取模块，用于基于预置聚类维度对所述目标测试特征进行聚类处理，处理器、存储器以及存储在所述存储器上并可在所述处理器述处理器执行所述程序时实现权利要求1至10中任一项所述的软件测5述历史测试需求中筛选出符合条件的目标历[0012]基于关联规则分析算法对所述目标历史测试需求对应的6[0022]处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程78Representation)或BERT(BidirectionalEncoderRepresentationsfromTransformers)等)将关键词转[0061]步骤102：根据所述测试特征与历史测试需求对应的历史测试特征之间的相似度[0063]在本示例中，历史测试需求即为在过往软件测试过程中的不同测试项的测试需试需求即为与当前的待测试软件的测试需求相似度较高9[0067]参照图3，示出了本申请实施例提供的一种目标历史测试需求获取方法的步骤流[0071]其中，文本相似度可以使用余弦相似度、Jaccard相似度或TF_IDF(TermFrequency_InverseDocumentFrequency)等方法计算关键词之间[0072]服务相似度可以基于微服务之间的调用关系和依赖关系，计算服务之间的相似[0079]步骤303：从所述历史测试需求中筛选出相似度得分排序在前N位的历史测试需相似度得分之后，则可以从历史测试需求中筛选出相似度得分排序在前N位的历史测试需[0081]本申请实施例通过按照特征匹配的方式筛选与当前测试相似度较高的历史测试[0083]步骤103：基于关联规则分析算法对所述目标历史测试需求对应的测试特征进行过构建一种特殊的数据结构—FP树(FrequentPatterntree)来优化关联规则的学习过成目标频繁项集，每个所述目标频繁项集包含一个所述目标历史测试需求的多个测试项[0104]子步骤S4：迭代执行所述将上一轮生成的频繁项集进行[0107]在采用关联规则挖掘算法对事务数据集中每个测试项目进行处理生成目标频繁[0109]在采用关联规则挖掘算法对事务数据集中每个测试项目进行处理生成目标频繁[0114]置信度可以用于指示包含在一个目标频繁项集内的事务同时包含在另一个目标[0117]子步骤M2：从所述目标频繁项集中筛选出所述第二支持度大于第二支持度阈值、代码模块或者BUG类型中产生缺陷，在推荐的时候优先推荐测试关注此代码模块或BUG类在B需求中也通过测试用例1发现了类似的BUG，说明该测试用例1和该类型的BUG有较强的[0123]本申请实施例通过采用Apriori算法可以挖掘出与当前测试高度相似且易于测试[0124]在基于关联规则分析算法对目标历史测试需求对应的测试特征进行特征筛选得[0126]预置聚类维度是指预先设置的用于对目标测试特征进行聚类的维度。在本示例[0127]在基于关联规则分析算法对目标历史测试需求对应的测试特征进行特征筛选得[0128]参照图5，示出了本申请实施例提供的一种软件测试建议信息确定方法的步骤流[0138]在获取到目标测试特征中与预置聚类维度匹配的指定测试特征之后，执行步骤[0151]在得到初步的聚类结果之后，还可以使用PCA(PrincipalComponen[0173]参照图6，示出了本申请实施例提供的一种软件测试建议信息获取方法的步骤流[0177]步骤602：按照预先设置的排序规则对所述预置聚类维度下的初始测试建议信息对高频BUG的测试建议应优先于低频BUG的测[0181]影响力排序规则是指根据测试建议对系统稳定性和质量发现了大量BUG的测试建议应优先于发现较[0183]按照预先设置的排序规则对初始测试建议信息进行排序的实现过程可以包括以[0184]1、在排序规则为优先级排序规则的情况下，根据测试建议的紧急程度和重要指[0193]多样性建议筛选规则是指预先设置的确保推荐的测试建议覆盖不同的测试维度[0200]经过上述筛选规则进行测试建议筛选之后，可以在推荐列表中同时包含测试用[0201]本申请实施例通过预先设置多样性建议筛选规则可以确保推荐的测试建议覆盖[0202]在基于预置聚类维度对目标测试特征进行聚类处理得到在预置聚类维度下的软预置聚类维度对目标测试特征进行聚类处理，得到在预置聚类维度下的软件测试建议信[0209]目标测试需求获取模块720，用于根据所述测试特征与历史测试需求对应的历史测试特征之间的相似度得分，从所述历史测试需求中筛选出符合条件的目标历史测试需[0210]目标测试特征获取模块730，用于基于关联规则分析算法对所述目标历史测试需[0211]软件测试建议获取模块740，用于基于预置聚类维度对所述目标测试特征进行聚[0224]目标测试特征筛选单元，用于基于预设评估指标对所述并根据所述评估结果从所述目标频繁项集中筛选出[0226]候选项集生成子单元，用于将上一轮生成的频繁项集进行组合生成新的候选项一支持度用于指示所述候选项集在所述事务[0236]聚类结果获取单元，用于基于K_means聚类算法对所述标准测试特征进行聚类处据测试建议的紧急程度和重要指数，对所述预置聚类维度下的初始测试建议信息进行排据测试建议对系统稳定性和质量的影响系数对所述预置聚类维度下的初始测试建议信息[0246]第三排序信息获取子单元，用于在所述排序规则为历史根据历史数据中测试建议的有效性对所述预置聚类维度下的初始测试建议信息进行排序，得到所述预置聚类维度在所述历史数据排序规则下的测[0250]软件测试建议确定子单元，用于根据所述第一测试建议信息和/或所述第二测试预置聚类维度对目标测试特征进行聚类处理，得到在预置聚类维度下的软件测试建议信800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的计算机程序指令或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序指令，来执行各种适当的动作和处理。在RAM803中，还可存储电子设备800操作所需的各种程序和数据。设备800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用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的[0260]这些计算机程序指令也可存储在能引导计算机