一种测试案例优选方法、装置及电子设备制造方法及图纸

本申请公开了一种测试案例优选方法、装置及电子设备，方法包括：获得目标界面的界面要素集合，界面要素集合中包含的目标界面要素以包含多个矩阵元素的矩阵表示，且矩阵元素的值为目标界面要素对应的界面区域中相应像素点的像素值；将每个目标界面要素分别输入到预先训练完成的神经网络模型中，以得到神经网络模型输出的目标向量；神经网络模型为利用多个具有向量标签的界面要素样本进行训练得到，向量标签的每个向量元素对应于一个关键词样本；根据每个目标向量，获得关键词集合，关键词集合中的案例关键词根据目标向量中的向量元素所对应的关键词得到；至少根据关键词集合，在案例库中获得与目标界面相匹配的目标测试案例。

【技术实现步骤摘要】
一种测试案例优选方法、装置及电子设备
本申请涉及软件测试
，尤其涉及一种测试案例优选方法、装置及电子设备。
技术介绍
测试案例，又称测试用例，是软件测试的基本要素之一，用来指导软件测试人员执行测试任务。而测试案例的质量与测试人员的技能和经验密切相关。如果测试人员对被测软件不甚了解，很难在短时间内设计出有效的测试案例；即使对于有经验的测试人员，完成高质量的测试案例设计也是一项极为繁重的工作，需要大量时间、人力和物力。目前，在对于软件界面的测试中，通常是由测试人员根据经验在案例库中选择合适的测试案例，再通过对选择的测试案例进行复用，无需重新编写测试案例，就可以实现软件界面的测试，进而提高软件界面的测试效率。但是，测试人员选择合适的测试案例仍然存在选择效率低的技术问题，因此，亟需一种能够快速获得到所需要的测试案例的技术方案。
技术实现思路
有鉴于此，本申请提供一种测试案例优选方法、装置及电子设备，包括：一种测试案例优选方法，所述方法包括：获得待测试的目标界面的界面要素集合，所述界面要素集合中包含一个或多个目标界面要素，所述目标界面要素以包含多个矩阵元素的矩阵表示，且所述矩阵元素的值为所述目标界面要素对应的界面区域中相应像素点的像素值；将所述界面要素集合中的每个所述目标界面要素分别输入到预先训练完成的神经网络模型中，以得到所述神经网络模型输出的每个所述目标界面要素所对应的目标向量；其中，所述神经网络模型为利用多个具有向量标签的界面要素样本进行训练得到，所述向量标签包含一个或多个向量元素，所述向量标签中的每个向量元素对应于一个关键词样本，且所述向量元素的值表征其对应的关键词样本是否与所述界面要素样本相对应，所述关键词样本根据测试案例样本得到；根据每个所述目标界面要素对应的目标向量，获得关键词集合，所述关键词集合中包含一个或多个案例关键词，所述案例关键词根据所述目标向量中的向量元素所对应的关键词得到；至少根据所述关键词集合，在包含有一个或多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，所述目标测试案例能够至少用于对所述目标界面进行测试。上述方法，优选的，获得待测试的目标界面的界面要素集合，包括：获得待测试的目标界面中的一个或多个界面区域；根据每个所述界面区域中的像素点的像素值，生成每个所述界面区域对应的目标界面要素，所述目标界面要素组成所述目标界面的界面要素集合；按照预设的矩阵尺寸参数，对每个所述界面区域对应的目标界面要素进行矩阵转换，得到转换后的目标界面要素，以使得所述界面要素集合中的每个所述目标界面要素的矩阵尺寸与所述矩阵尺寸参数相一致。上述方法，优选的，根据每个所述目标界面要素对应的目标向量，获得关键词集合，包括：分别获得每个所述目标界面要素对应的目标向量中满足选取条件的目标向量元素；获得每个所述目标向量元素对应的案例关键词，所述案例关键词组成关键词集合。上述方法，优选的，至少根据所述关键词集合，在包含有多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，包括：根据所述关键词集合，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值，所述关联关系值表征所述目标界面与所述测试案例样本之间的关联程度；根据所述关联关系值，获得与所述目标界面相匹配的目标测试案例。上述方法，优选的，根据所述关键词集合，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值，包括：获得案例库对应的目标集合，所述目标集合中包含所述案例库中的每个测试案例所对应的所有关键词；根据所述目标集合中的每个关键词是否属于所述关键词集合的判断结果和所述目标集合中的每个关键词是否对应于每个所述测试案例样本的判断结果，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值；其中，所述关键词属于所述关键词集合且对应于目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的所述关联关系值增加，所述关键词不属于所述关键词集合且不对应于所述目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的关联关系值增加，所述关键词属于所述关键词集合且不对应于目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的所述关联关系值减小，所述关键词不属于所述关键词集合且对应于所述目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的关联关系值减小。上述方法，优选的，所述神经网络模型通过以下方式训练得到：获得多个界面要素样本，每个所述界面要素样本以包含多个样本元素的矩阵表示，且样本元素为所述界面要素样本对应的界面区域中相应像素点的像素值；依次以所述界面要素样本为预先构建的神经网络模型的输入样本，以所述界面要素样本的向量标签为所述神经网络模型的输出样本，对所述神经网络模型进行训练；其中，所述界面要素样本的向量标签中包含一个或多个向量元素，所述向量标签中的每个向量元素对应于一个关键词样本，且所述向量元素的值为预设值的情况下表征其对应的关键词样本与所述界面要素样本相对应，所述关键词样本根据测试案例样本得到。上述方法，优选的，在对所述神经网络模型进行训练之前，所述方法还包括：对每个所述界面要素样本中的像素值进行归一化处理。上述方法，优选的，所述神经网络模型包含多个神经元，每个所述神经元的激励函数相同，且所述激励函数为：在所述神经元的输入数据为大于0或等于0的情况下，所述输入数据不变；在所述神经元的输入数据为小于0的情况下，至少对所述输入数据取绝对值。一种测试案例优选装置，包括：要素获得单元，用于获得待测试的目标界面的界面要素集合，所述界面要素集合中包含一个或多个目标界面要素，所述界面要素以包含多个矩阵元素的矩阵表示，且所述矩阵元素的值为所述目标界面要素对应的界面区域中相应像素点的像素值；模型运行单元，用于将所述界面要素集合中的每个所述目标界面要素分别输入到预先训练完成的神经网络模型中，以得到所述神经网络模型输出的每个所述目标界面要素所对应的目标向量；其中，所述神经网络模型为利用多个具有向量标签的界面要素样本进行训练得到，所述向量标签包含一个或多个向量元素，所述向量标签中的每个向量元素对应于一个关键词样本，且所述向量元素的值表征其对应的关键词样本是否与所述界面要素样本相对应，所述关键词样本根据测试案例样本得到；关键词获得单元，用于根据每个所述目标界面要素对应的目标向量，获得关键词集合，所述关键词集合中包含一个或多个案例关键词，所述案例关键词根据所述目标向量中的向量元素所对应的关键词得到；案例获得单元，用于至少根据所述关键词集合，在包含有一个或多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，所述目标测试案例能够至少用于对所述目标界面进行测试。一种电子设备，包括：存储器，用于存储应用程序和应用程序运行所产生的数据；处理器，本文档来自技高网...

【技术保护点】
1.一种测试案例优选方法，其特征在于，所述方法包括：/n获得待测试的目标界面的界面要素集合，所述界面要素集合中包含一个或多个目标界面要素，所述目标界面要素以包含多个矩阵元素的矩阵表示，且所述矩阵元素的值为所述目标界面要素对应的界面区域中相应像素点的像素值；/n将所述界面要素集合中的每个所述目标界面要素分别输入到预先训练完成的神经网络模型中，以得到所述神经网络模型输出的每个所述目标界面要素所对应的目标向量；/n其中，所述神经网络模型为利用多个具有向量标签的界面要素样本进行训练得到，所述向量标签包含一个或多个向量元素，所述向量标签中的每个向量元素对应于一个关键词样本，且所述向量元素的值表征其对应的关键词样本是否与所述界面要素样本相对应，所述关键词样本根据测试案例样本得到；/n根据每个所述目标界面要素对应的目标向量，获得关键词集合，所述关键词集合中包含一个或多个案例关键词，所述案例关键词根据所述目标向量中的向量元素所对应的关键词得到；/n至少根据所述关键词集合，在包含有一个或多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，所述目标测试案例能够至少用于对所述目标界面进行测试。/n

【技术特征摘要】
1.一种测试案例优选方法，其特征在于，所述方法包括：
获得待测试的目标界面的界面要素集合，所述界面要素集合中包含一个或多个目标界面要素，所述目标界面要素以包含多个矩阵元素的矩阵表示，且所述矩阵元素的值为所述目标界面要素对应的界面区域中相应像素点的像素值；
将所述界面要素集合中的每个所述目标界面要素分别输入到预先训练完成的神经网络模型中，以得到所述神经网络模型输出的每个所述目标界面要素所对应的目标向量；
其中，所述神经网络模型为利用多个具有向量标签的界面要素样本进行训练得到，所述向量标签包含一个或多个向量元素，所述向量标签中的每个向量元素对应于一个关键词样本，且所述向量元素的值表征其对应的关键词样本是否与所述界面要素样本相对应，所述关键词样本根据测试案例样本得到；
根据每个所述目标界面要素对应的目标向量，获得关键词集合，所述关键词集合中包含一个或多个案例关键词，所述案例关键词根据所述目标向量中的向量元素所对应的关键词得到；
至少根据所述关键词集合，在包含有一个或多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，所述目标测试案例能够至少用于对所述目标界面进行测试。


2.根据权利要求1所述的方法，其特征在于，获得待测试的目标界面的界面要素集合，包括：
获得待测试的目标界面中的一个或多个界面区域；
根据每个所述界面区域中的像素点的像素值，生成每个所述界面区域对应的目标界面要素，所述目标界面要素组成所述目标界面的界面要素集合；
按照预设的矩阵尺寸参数，对每个所述界面区域对应的目标界面要素进行矩阵转换，得到转换后的目标界面要素，以使得所述界面要素集合中的每个所述目标界面要素的矩阵尺寸与所述矩阵尺寸参数相一致。


3.根据权利要求1所述的方法，其特征在于，根据每个所述目标界面要素对应的目标向量，获得关键词集合，包括：
分别获得每个所述目标界面要素对应的目标向量中满足选取条件的目标向量元素；
获得每个所述目标向量元素对应的案例关键词，所述案例关键词组成关键词集合。


4.根据权利要求1所述的方法，其特征在于，至少根据所述关键词集合，在包含有多个测试案例的案例库中获得与所述目标界面相匹配的目标测试案例，包括：
根据所述关键词集合，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值，所述关联关系值表征所述目标界面与所述测试案例样本之间的关联程度；
根据所述关联关系值，获得与所述目标界面相匹配的目标测试案例。


5.根据权利要求4所述的方法，其特征在于，根据所述关键词集合，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值，包括：
获得案例库对应的目标集合，所述目标集合中包含所述案例库中的每个测试案例所对应的所有关键词；
根据所述目标集合中的每个关键词是否属于所述关键词集合的判断结果和所述目标集合中的每个关键词是否对应于每个所述测试案例样本的判断结果，分别获得所述目标界面与案例库中的每个测试案例样本之间的关联关系值；
其中，所述关键词属于所述关键词集合且对应于目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的所述关联关系值增加，所述关键词不属于所述关键词集合且不对应于所述目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的关联关系值增加，所述关键词属于所述关键词集合且不对应于目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的所述关联关系值减小，所述关键词不属于所述关键词集合且对应于所述目标测试案例的情况下使得所述目标界面与所述目标测试案例之间的关联关系值减小。


6.根据权利要求1所述的方法，其特征在于，所述神经网络模型...

【专利技术属性】
技术研发人员：阮绍臣，朱文彬，李佩刚，周荣林，王成，侯永娟，何梦晓，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京;11