一种基于关键字感知的测试场景推荐方法及系统技术方案

本发明专利技术涉及一种基于关键字感知的测试场景推荐方法及系统，所述方法包括以下步骤：S1：对测试场景库中的样本数据进行关键字提炼，获取场景关键词，形成关键词库；S2：构建关键词库中的场景关键词与测试场景库中测试场景信息的对应关系；S3：获取在线测试用例，并提炼测试用例的关键词，根据关键词库中的关键词与测试场景的对应关系获取在线测试用例的测试场景信息。与现有技术相比，本发明专利技术具有场景推荐匹配度高，适用于不同应用场景普适性强等优点。适用于不同应用场景普适性强等优点。适用于不同应用场景普适性强等优点。

【技术实现步骤摘要】
一种基于关键字感知的测试场景推荐方法及系统


[0001]本专利技术涉及计算机
，尤其是涉及一种基于关键字感知的测试场景推荐方法及系统。

技术介绍

[0002]对于软件开发过程中相关模型，一般系统测试针对需求分析过程及产物，而验收测试针对用户需求过程及产物。在测试用例的编写中，因如下等几个方面的原因，一些高风险业务场景、重要业务逻辑往往可能被遗漏测试，只基于单纯显性需求、设计的测试，测试质量往往得不到有效保障，容易注入生产缺陷。现有测试用例编写过程问题如下：(1)需求设计中隐藏着较多隐形通用需求，而这些隐性需求取决测试人员业务经验高低所致，可能有时会被忽略；(2)受限于一些业务专有名词或者垂直领域，跨业务领域测试人员无法据此进行测试案例的有效膨胀，可能导致测试不全面；(3)在组织内、项目内曾经出现过的问题及经验教训，没有有效的机制去传承；(4)在有限的时间内，较难形成以高风险业务为主的优先测试策略，很难做到兼顾质效平衡；(5)没有建立事前、事中的测试用例检查评审机制，无法将测试风险控制手段前移；(6)缺乏标准化、通用化、系统化的测试用例评审检查点及机制，导致无法有效落地。

技术实现思路

[0003]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于关键字感知的测试场景推荐方法及系统。
[0004]本专利技术的目的可以通过以下技术方案来实现：
[0005]一种基于关键字感知的测试场景推荐方法，包括以下步骤：
[0006]S1：对测试场景库中的样本数据进行关键字提炼，获取场景关键词，形成关键词库；
[0007]S2：构建关键词库中的场景关键词与测试场景库中测试场景信息的对应关系；
[0008]S3：获取在线测试用例，并提炼测试用例的关键词，根据关键词库中的关键词与测试场景的对应关系获取在线测试用例的测试场景信息。
[0009]优选地，所述的步骤S1具体包括：
[0010]S11：对测试场景库中的样本数据进行切词处理，获取初步词库；
[0011]S12：通过TF
‑
TDF算法计算初步词库中关键词的权重；
[0012]S13：获取自定义词库和通用停用词库，删除初步词库中与自定义词库、通用停用字库重合的关键词获取关键词库，关键词库中的词为场景关键词。
[0013]优选地，所述的步骤S11中通过python的第三方库Jieba进行切词。
[0014]优选地，所述通过python的第三方库Jieba进行切词的具体步骤包括：
[0015]依据统计词库构建统计词典中词的前缀词典；
[0016]依据前缀词典对输入的样本数据的句子进行有向无环图的构造；
[0017]通过动态规划算法计算概率最大的有向无环图路径，并根据概率最大的有向无环图对句子进行分词；
[0018]对于未收录的词使用隐马尔可夫模型用Viterbi算法找出最可能出现的隐状态序列，完成切词。
[0019]优选地，所述S12中通过TF
‑
IDF算法计算关键词的权重。
[0020]优选地，所述的步骤S2具体包括：
[0021]S21：构建多个关键字推送范围；
[0022]S22：获取关键词库中每个关键词推送范围对应包含的场景关键词；
[0023]S23：对每个关键词推送范围构建场景关键词与测试场景信息的对应关系，所述对应关系包括单个关键词对应的测试场景信息和多个关键词组合与测试场景信息的对应关系。
[0024]优选地，所述的步骤S3具体包括：
[0025]S31：获取在线测试用例的文本和关键字推送范围；
[0026]S32：提炼在线测试用例的文本的关键词；
[0027]S33：根据在线测试用例的关键词推送范围的场景关键词与测试场景的对应关系获取在线测试用例的测试场景信息。
[0028]优选地，所述的测试场景库的数据来源包括测试经验库和测试风险库，所述测试经验库中包括测试场景，所述测试风险库中包括测试风险提示。
[0029]优选地，所述的测试场景信息包括测试场景和测试风险提示。
[0030]一种基于关键字感知的测试场景推荐系统，包括关键词提炼模块、对应关系构建模块和在线推荐模块，
[0031]所述的关键词提炼模块用于对测试场景库中的样本数据进行关键字提炼，获取场景关键词，形成关键词库；
[0032]所述的对应关系构建模块用于构建关键词库中的场景关键词与测试场景库中测试场景信息的对应关系；
[0033]所述的在线推荐模块用于获取在线测试用例，并提炼测试用例的关键词，根据关键词库中的关键词与测试场景的对应关系获取在线测试用例的测试场景信息。
[0034]与现有技术相比，本专利技术具有如下优点：
[0035](1)本专利技术对测试场景库进行关键词提炼，并构建场景关键词与测试场景信息的对应关系，能够有效对在线测试用例进行基于关键词的测试场景推荐，推荐精匹配效果好，能够为软件开发的测试用例提供有效的测试场景和风险提醒，防止由于测试人员认知不同导致的测试缺失，能对测试场景库进行总结归纳，实现经验的总结和复用，提高测试效率，达到高度实时自动推送相关测试场景的效果；
[0036](2)本专利技术构建多个关键字推送范围，设置多层次的推送范围，能够兼顾通用性和不同业务的特性进行针对性的测试场景推送，进一步提高推荐匹配性，避免跨领域测试场景中由于测试人员局限性不能进行有效测试的情况；
[0037](3)本专利技术在构建关键词库是基于切词、权重对关键词库进行构建，更好地识别及覆盖高频、高价值关键字，保证了后续推送的样本数据质量。
附图说明
[0038]图1为本专利技术的流程图；
[0039]图2为本专利技术实施例中关键词库中的词云图。
具体实施方式
[0040]下面结合附图和具体实施例对本专利技术进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本专利技术并不意在对其适用物或其用途进行限定，且本专利技术并不限定于以下的实施方式。
[0041]实施例
[0042]一种基于关键字感知的测试场景推荐方法，如图1所示，包括以下步骤：
[0043]S1：对测试场景库中的样本数据进行关键字提炼，获取场景关键词，形成关键词库。
[0044]所述的测试场景库的数据来源包括测试经验库和测试风险库，所述测试经验库中包括测试场景，所述测试风险库中包括测试风险提示。其中，测试场景、测试风险提示的均为对应的描述文本，包括但不限于“标题、描述、前提条件、步骤、预期结果”等方面。描述文本应采用通用化、结构化语言，避免或减少专业性术语，颗粒度应相对统一。
[0045]步骤S1具体包括：
[0046]S11：对测试场景库中的样本数据进行切词处理，获取初步词库，S11中通过python的第三方库Jieba进行切词，切词步骤如下：
[0047]1)依据统计词典(库中已具备统计词典，也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键字感知的测试场景推荐方法，其特征在于，包括以下步骤：S1：对测试场景库中的样本数据进行关键字提炼，获取场景关键词，形成关键词库；S2：构建关键词库中的场景关键词与测试场景库中测试场景信息的对应关系；S3：获取在线测试用例，并提炼测试用例的关键词，根据关键词库中的关键词与测试场景的对应关系获取在线测试用例的测试场景信息。2.根据权利要求1所述的一种基于关键字感知的测试场景推荐方法，其特征在于，所述的步骤S1具体包括：S11：对测试场景库中的样本数据进行切词处理，获取初步词库；S12：通过TF
‑
TDF算法计算初步词库中关键词的权重；S13：获取自定义词库和通用停用词库，删除初步词库中与自定义词库、通用停用字库重合的关键词获取关键词库，关键词库中的词为场景关键词。3.根据权利要求2所述的一种基于关键字感知的测试场景推荐方法，其特征在于，所述的步骤S11中通过python的第三方库Jieba进行切词。4.根据权利要求3所述的一种基于关键字感知的测试场景推荐方法，其特征在于，所述通过python的第三方库Jieba进行切词的具体步骤包括：依据统计词库构建统计词典中词的前缀词典；依据前缀词典对输入的样本数据的句子进行有向无环图的构造；通过动态规划算法计算概率最大的有向无环图路径，并根据概率最大的有向无环图对句子进行分词；对于未收录的词使用隐马尔可夫模型用Viterbi算法找出最可能出现的隐状态序列，完成切词。5.根据权利要求2所述的一种基于关键字感知的测试场景推荐方法，其特征在于，所述S12中通过TF
‑
IDF算法计算关键词的权...

【专利技术属性】
技术研发人员：倪佳乐，孙良平，陈嘉，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：